多元LSTM无法正确训练

Question

我正在尝试使用之前的10个pm值和许多其他信息来预测时间t的污染水平。我总共有168个功能。

epochs = 150
model = Sequential()
model.add(LSTM(200, activation='relu', input_shape=(n_timesteps, n_features)))
model.add(Dense(100, activation='relu'))
model.add(Dense(n_outputs))
model.compile(loss='mse', optimizer='adam')
# fit network
history = model.fit(train_x, train_y, validation_data=(val_x, val_y),epochs=epochs, callbacks = [es])

根据keras网站，LSTM接受形状的输入（num_rows，时间步长，num_features），这就是上面结构的方式。

我有以下模型参数：

keys = ["name", "surname"]

但是，它似乎根本没有训练。损失不会随时间步长而减少。

有人对我要去哪里有任何想法吗？