使用数据驱动的模型进行时间序列预测（而非预测）

Question

我正在开发神经网络来预测我的2D维目标序列（101,1），这是通过使用具有5种不同特征（101,5,1）的3D输入序列数据来实现的。因此，每个目标系列（101,1）代表步态分析数据集中的一个试验，我的数据集中有145个不同的试验。我计划在训练，验证和测试集中也使用70:15:15这样的规则。 这是数据集说明，我将如何使用输入特征来预测目标值。

正如您在我绘制的图片中所看到的，我想通过使用t = 1个特征（5个不同特征）来预测t = 1个目标值，并将该目标输出预测用作t =的输入2。因此，在t = 2中，我将使用t = 1预测目标值和t = 2输入特征来预测t = 2目标值，依此类推。该系列赛将在t = 101结束。

请注意，在时间序列预测建模中，即使在输入要素中，我也永远不会知道我的实际目标值。我的问题与时序预测有点不同，因为它们使用t = 1,2,3,4输入和目标特征来预测t = 5目标值。 所以，这不是我想要的模型。

所以，我的问题是我需要使用哪个神经网络以及如何使用它？