python - 在 Tensorflow 中使用 RNN 预测 future 时间序列中的值

Question

我找到一篇关于 time series predicting using Recurrent Neural Networks (RNN) in Tensorflow 的文章.

在那篇文章中，测试集是最后 20 个值，模型也针对数据集的最后 20 个值预测 y_pred，然后计算 y_test 和 y_pred。

如何扩展模型以接收 future 下一时期的预测(实际预测)？

Answer 1

第一步，您应该使用实际值。然后根据需要使用预测值替换最后一个值。希望以下代码可以帮助您。

with tf.Session() as sess:
    saver.restore(sess, './model_saved')
    preds = []
    X_batch = last_n_steps_value
    X_batch = X_batch.reshape(-1, n_steps, 1)
    for i in range(number_you_want_to_predict):
        pred = sess.run(outputs, feed_dict={X: X_batch})
        preds.append(pred.reshape(7)[-1])
        X_batch = X_batch[:, 1:]
        # Using predict value to replace real value
        X_batch = np.append(X_batch, pred[:, -1])
        X_batch = X_batch.reshape(-1, n_steps, 1)