我已经花了几个月阅读无尽的帖子,我仍然感到困惑,因为我最初是。希望有人能帮助。使用带Keras的LSTM神经网络预测天气数据
问题:我想用时间序列来预测特定位置的天气数据。
设置:
X1和X2是含有指数的每日记录10年(在每个矢量3650的合计值)这两种载体。
Y是纽瓦克机场(T)的温度时间序列,每天为10年(3650天)。
有一个强烈的情况下,X1和X2可以用作Y的预测。所以,我打破一切到100天窗口和创建以下文件:
X1 = (3650,100,1)
X2 = (3650,100,1)
,使得窗口1包括从价值观到t=0t=99,窗口2包括从t=1到t=100等值(假设我有足够的额外的数据,我们仍然有3650窗口)。
我已经从其他教程学到的是,进入Keras我应该这样做:
X = (3650,100,2) = (#_of_windows,window_length,#_of_predictors)我获得通过合并X1和X2。
然后,我有这样的代码:
model = Sequential()
model.add(LSTM(1,return_sequences=True,input_shape=(100,2)))
model.add(LSTM(4))
model.add(Dropout(0.2))
model.compile(loss='mean_square_error',optimizer='rmsprop',shuffle=True)
model.fit(X,Y,batch_size=128,epochs=2) # Y is shape (3650,)
predictions = model.predict(?????????????)
所以我的问题是,我该如何建立model.predict面积找回的N天数预测的未来?有时我可能需要2天,有时我可能需要2周。我只需要返回N的值(形状:[N,]),我不需要返回窗口或类似的东西。
非常感谢!
2017-08-23
tg976
+0
因此,对于第一个输入,您的Y值是't = 100'... –