r - R中的LSTM网络用于时间序列预测

Question

我有一个大小为 64 的单变量月度时间序列。我想进行多步预测 - 最近三个月的值(266、286 和 230) - 使用剩余的月份作为训练集。

data <- c(113,  55,  77, 114,  73,  72,  75, 135,  84,  66, 167, 93,  83, 
          164,  76,  97, 148,  74,  76, 173,  70,  86, 167,  37,   1,  49,  
          48,37, 117, 178, 167, 177, 295, 167, 224, 225, 198, 217, 220, 175, 
          360, 289, 209, 369, 287, 249, 336, 219, 288, 248, 370, 296, 337, 
          246, 377, 324, 288, 367, 309, 128, 382, 266, 286, 230)

为了对 LSTM 网络进行建模，我正在通过以下方式塑造训练/测试数据:

X_train = [55,6,1] # 6 timesteps (t-6,t-5,t-4,t-3,t-2,t-1)
Y_train = [55,3,1] # forecast horizon (t+1,t+2,t+3)
X_test  = [1,6,1]  
Y_test  = [1,3,1]

但是，当我如下设置 LSTM 时，出现错误

Error in py_call_impl(callable, dots$args, dots$keywords) : 
ValueError: Error when checking target: expected time_distributed_16 to have 
shape (6, 1) but got array with shape (3, 1)

LSTM模型

model <- keras_model_sequential()

model %>%
  layer_lstm(
              units = 32, 
              batch_input_shape  = c(1, 6, 1),
              dropout = 0.2,
              recurrent_dropout = 0.2,
              return_sequences = TRUE
  ) %>% time_distributed(layer_dense(units = 1))

  model %>%
      compile(loss = FLAGS$loss, optimizer = optimizer, metrics = 
              list("mean_squared_error"))

  history <- model %>% fit(x = X_train,
                           y = Y_train,
                           batch_size = 1,
                           epochs = 100,
                           callbacks = callbacks)

我正在努力解决这个错误。有人知道这种建模的概念错误吗？提前致谢。

Answer 1

由于数据如此之少，您可能无法利用 LSTM 神经网络的优势。我建议您使用预测包中的 SARIMA 或 HW。如果您在滞后之间有一些非文学性，您还可以使用更相关的滞后和使用傅立叶级数提取的季节性分量构建一个数据集，并训练一个 randomForest 模型。

关于你的问题，我认为你的数组没有正确的维度，因此你需要 reshape 它们。

我不是 LSTM 神经网络的专家，但可能下面的链接可以帮助您:

https://blogs.rstudio.com/tensorflow/posts/2018-06-25-sunspots-lstm/

BR