如何为LSTM Keras中的多步和多变量准备时间序列数据

Question

首先，我是Keras的新手。我有以下情况：

1. 具有15个功能的时间序列数据保存在pandas数据帧中
2. 时间序列数据是每小时一次。所以我想预测接下来的16小时时间序列数据。我想提供输入（16个时间序列数据），然后预测接下来的16个小时。我想把它建模为多对多，但我不确定。
3. 在数据框中创建了多少个新列。 ，LSTM的输入配置应该是什么样的，output_shape等...

我在以下链接中搜索过它，但我无法理解该理论并将多步和多变量结合起来

https://machinelearningmastery.com/multi-step-time-series-forecasting-long-short-term-memory-networks-python/

https://machinelearningmastery.com/multivariate-time-series-forecasting-lstms-keras/

Answer 1

样本，时间步长，特征=（：，16,15）

通过使用尽可能多的填充标记填充16个长度时间样本，使网络预测下一个输出，基本上就是这样，这实际上是准备数据的问题。