时间序列和预测的深度学习预测

时间:2020-07-29 19:13:46

标签: python deep-learning time-series tensorflow2.0 forecasting

我训练了一个模型来预测温度。 我正在努力预测下一个时间戳的价值。

x = tf.expand_dims(series, axis = -1)
prediction = model.predict(x[3620: 3650][np.newaxis])
print(prediction)

在上面的代码中,3620是我的数据大小,30是窗口大小。

我通过了最后30个元素来进行预测。在这里,我期望得到第二天的输出(14到15之间的某个值)。但是令人惊讶的是我得到了30个输出。

输出-

[[11.15309  ]
 [12.57259  ]
 [13.6263685]
 [13.91502  ]
 [14.530391 ]
 [15.274644 ]
 [15.270651 ]
 [14.866135 ]
 [14.190825 ]
 [13.976899 ]
 [14.234606 ]
 [14.111963 ]
 [13.945166 ]
 [13.9607935]
 [13.800398 ]
 [13.813269 ]
 [14.4078   ]
 [14.271802 ]
 [14.552689 ]
 [14.30043  ]
 [14.1107855]
 [14.1914425]
 [13.7303505]
 [14.014133 ]
 [14.141822 ]
 [13.883686 ]
 [13.954151 ]
 [14.12158  ]
 [14.270219 ]
 [13.995642 ]]

谁能告诉我该怎么办?

0 个答案:

没有答案