请问keras LSTM如何预测未来一段时间的时间序列

[sigtem]

以单变量时间序列为例，假设X，y是训练数据集，是过去连续3年的数据，以天为单位。test_x是测试集，初始值是过去10天的数据，我想预测未来15天的数据，请问如何设置。下面python程序运行结果prediction 只是一个值，而不是一串15天的序列。请问我是不是要不断移动窗口，把第一天预测值跟过去9天的历史数据合在一起作为输入数据预测第二天的数值，然后把第一和第二天预测值跟过去8天的数据合并作为输入数据预测第三天，以此类推循环下去？Keras有没有直接设置的参数可以实现，还是要自己编程实现这个功能？谢谢

n_steps = 10
n_features = 1

model = Sequential()
model.add(LSTM(32, activation='relu', input_shape=(n_steps, n_features)))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mse')
model.fit(X, y, epochs=100, batch_size=20, verbose=1)

test_x= test_x.reshape((1, n_steps, n_features))
prediction = model.predict(test_x, verbose=0)

[_HXZ]

我也想问问是怎么解决的

[肖恩马]

你好，请问您现在解决了这个问题了么，假如数据集是多变量的话该怎么处理呢

[sigtem]

引用 2 楼 djdjjdddd 的回复:

你好，请问您现在解决了这个问题了么，假如数据集是多变量的话该怎么处理呢

我自己的问题解决了，只要把最后Dense层神经元多设一些就行了，例如Dense(15).
如果训练数据集是多维的也可以做，相当于n_features是维数