假设我有100个城市，每个城市都有两个长度为70的数据系列。我想传递长度为7的子序列（本质上看过去一周）。我最终得到了一个Numpy形状的数组：
(100, 62, 2, 7)
这对我来说很有意义，因为我有100个城市，有62个子序列示例，每个子序列包含2个numpy长度为7的数组。但是，LSTM接受3-D数据，这是4D，我不确定如何正确格式化我的数据以进行时间预测。我尝试按照
中的示例进行操作https://machinelearningmastery.com/reshape-input-data-long-short-term-memory-networks-keras/
https://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/
，但是他们要么只使用一个带回溯的系列，要么使用两个带一个功能的系列。我预计你们会说要展平我的最后一个尺寸以获得一系列形状，即
(100, 62, 14)
但是，我担心该模型将无法区分样品的顺序。解决此问题的最佳方法是什么？