LSTM时间序列预测，预测稳定

Question

我的代码在R中使用Keras和Tensorflow库。我正在创建一个LSTM模型来预测100个未来值。我的输入形状是（100,200,1）。

假设我的输入数据为X。我在时间步t = 201进行预测，并获得预测的Y列。然后，我创建一个新变量Xnew = c（X [2：200]，Y），在该变量中，我将X（第一列除外）和Y串联在一起。我使用此Xnew来预测下一步。

正在发生的事情是，在经过一定数量的预计未来时间步长（大约15个）之后，此后每个时间步长的预测都将保持不变。有人知道为什么会这样吗？

prdvec = function(dat,modname, numpreds, cnt, scl){

  model = load_model_hdf5(modname)

  inpt = dat
  pred = list()

  for(i in 1:numpreds){
    pred[[i]] <- predict(model, reshape_X_3d((inpt[,1:ncol(inpt)]-cnt)/scl), batch_size = 1)
    inpt = cbind(inpt[,2:ncol(inpt)],(pred[[i]]*scl+cnt))
    print(i)
    flush.console()
  }

  pred
}

Answer 1

我遇到类似的问题。也许当LSTM单位考虑到自己创建的输入时，它趋于稳定。