аюсь сделать многошаговое прогнозирование временных рядов с использованием многомерного LSTM в Керасе. В частности, у меня есть две переменные (var1 и var2) для каждого временного шага изначально. Пройдя онлайн-урокВотЯ решил использовать данные во время (t-2) и (t-1), чтобы предсказать значение var2 на временном шаге t. Как показывает пример таблицы данных, я использую первые 4 столбца в качестве ввода, Y в качестве вывода. Код, который я разработал, можно увидетьВот, но у меня есть три вопроса.

   var1(t-2)  var2(t-2)  var1(t-1)  var2(t-1)  var2(t)
2        1.5       -0.8        0.9       -0.5     -0.2
3        0.9       -0.5       -0.1       -0.2      0.2
4       -0.1       -0.2       -0.3        0.2      0.4
5       -0.3        0.2       -0.7        0.4      0.6
6       -0.7        0.4        0.2        0.6      0.7

Q1: Я обучил модель LSTM с данными выше. Эта модель хорошо подходит для прогнозирования значения var2 на временном шаге t. Однако, что если я хочу предсказать var2 на этапе t + 1? Я чувствую, что это трудно, потому что модель не может сказать мне значение var1 на шаге t времени. Если я хочу сделать это, как я должен изменитькод построить модель?Q2: Я видел, что этот вопрос задавали много, но я все еще в замешательстве. В моем примере, каким должен быть правильный временной шаг в [выборках, временных шагах, функциях] 1 или 2?Q3: Я только начал изучать LSTM. я прочиталВот что одним из самых больших преимуществ LSTM является то, что он сам изучает временную зависимость / размер скользящего окна, тогда почему мы всегда должны преобразовывать данные временных рядов в формат, подобный таблице выше?

Обновление: результат LSTM (синяя линия - последовательность обучения, оранжевая линия - основная правда, зеленая - прогноз)