我正在尝试建立一个可以使用输入信号来预测未来结果的模型。想想像海潮水平或股票数据。这是我当前的模型：
model = Sequential()
model.add(Conv2D(32, kernel_size=(5, 40), strides=(1, 1), activation='relu',
input_shape=input_shape))
model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))
model.add(Conv2D(64, (5, 5), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(1000))
model.add(Dense(2*prediction_width))
model.compile(optimizer='adam', loss='mse', metrics=['mse'])
此模型基于我发现的一个教程，该教程可以对信号进行分类，而不是进行预测。
该模型按顺序工作，但是我想在信号的各个持续时间内输入多个不同的数据集，以查看这是否可以改善我的结果。例如，我可以在3个不同的时间范围内输入3组数据，分别对每个数据执行一次Conv2D，然后合并结果，然后再继续通过模型。
我找不到能够使用Sequential以外的方法的文档。有人可以为我指明正确的方向，甚至可以搜索什么术语吗？任何帮助将不胜感激。