LSTM模型的准确性停留在一定水平，并且不会改变

Question

我正在使用LSTM进行多元时间序列预测。我试图使我的实际值和预测值更好地匹配，但是无论我的超参数是什么，准确性都不会改变。我想知道您能否给我一些关于如何提高模型精度的见识...

我有3个输入（时间，两个速率）和一个输出（压力）。

enter image description here

这是我代码的LSTM部分：

model = Sequential()
    model.add(LSTM(units=4,
                   activation='tanh',
                   recurrent_activation='hard_sigmoid',
                   use_bias=True,
                   unit_forget_bias=True,
                   dropout=0,
                   recurrent_dropout=0.3,
                   input_shape=(look_back, 3)))

    model.add(Dense(units=1,
                    activation='linear',
                    use_bias=True))

    model.compile(loss='mean_squared_error', optimizer='Adam', metrics=['mae','accuracy'])
    hist = model.fit(x_train, y_train,
                     epochs=50,
                     batch_size=20,
                     validation_split=0.0,
                     verbose=2,
                     shuffle=False)