如何将多元时空数据输入cnn？

Question

尝试查找示例很长时间之后，我终于来到这里问我的问题：

我所拥有的：
我有一个二维空间数据的时间序列，该数据具有经度100个像元（或像素）和纬度30个像元的二维像元。此序列在大约15年的时间内每周间隔一次，以大约800个时间步长结束。对于每个时间步长，我都有3个通道，其中之一是我要预测的数字目标变量。为了更好地理解，我做了下图：

我要做什么：
我想预测一个或多个时间步长的目标变量。对于我要预测的时间步长，其他两个通道是已知的，这意味着我想将它们作为外部输入提供给模型。我想在时间和空间上进行卷积（如上图的过滤器所示）。根据我的理解，这将是对3d数据的2d卷积（第一维=经度，第二维=纬度，第三维=时间）？我希望过滤器至少有52个时间步长（=一年），因为目标变量和其他通道之间的信号延迟/延迟可能长达几个月。 该任务非常类似于将视频馈入cnn，我想在其中对rgb频道之一进行预测。

我的问题是：

• 我如何将数据构造为cnn输入？应该是4d还是5d数组？
• （如何在keras中实现外来输入以进行预测？）

我使用的是：

• 具有张量流的Keras
• R（优先）或Python