如何训练 LSTM 以获取在一段时间后重置的实验数据？

Question

我正在使用 LSTM 模型进行多元时间序列预测，其中我的数据集是在特定时间执行的实验的集合。为了训练 LSTM 模型，我从实验数据集创建序列，在实验开始时，值重置为 0 或进行一些初始化。

数据集示例

index    experiement    temperature    ph     output
  1       exp-1            30          7       0
  2       exp-1            32          7       2
  3       exp-1            33          7       3
  4       exp-1            34          7       4
  5       exp-1            35          7       3
  6       exp-2            30          7       0
  7       exp-2            32          7       5
  8       exp-2            35          7       6
  9       exp-2            36          7       4
 10       exp-2            33          7       3

随着时间数据在实验开始时重置，我用于训练的序列数据之一将如下所示

index    experiement    temperature    ph     output
  1       exp-1            30          7       0
  2       exp-1            32          7       2
  3       exp-1            33          7       3
  4       exp-1            34          7       4
  5       exp-1            35          7       3
                                               
                                Label: 0

基本上，由于序列不知道新实验已经开始，因此它会了解到训练时的上述值应该预测输出 0，这是不正确的。如果我只针对一个实验进行训练，则训练数据将不够，因为我无法从单个实验中生成许多序列。

有没有特定的方法来训练这些数据？如何将多个实验数据输入到我的 LSTM 中而不出现上述问题？

在不考虑新实验开始的情况下训练它们的示例会导致以下输出不准确