time-series - 使用 LSTM 和 Keras 进行时间序列预测的不同大小的预测器

Question

我想使用另一个时间序列 Y 和 X 的过去值来预测时间序列值 X。详细来说，我会喜欢使用 (Xt-p,...,Xt-1) 和 ( Yt-p,...,Yt-1,Yt)，其中 p 是“向后看”的维度。所以，我的问题是我的两个预测变量的长度不同。让我们用一个例子来更清楚。

如果我使用时间步长 2，我将得到一个观察结果:[(Xt-p,Yt-p),...,(Xt-1,Yt-1),(??,Yt)] 作为输入和 Xt作为输出。我不知道用什么来代替 ??

我明白，从数学上来说，我的预测变量需要具有相同的长度，因此我正在寻找一个值来替换缺失的值。

我真的不知道这里是否有一个好的解决方案，以及我是否可以做一些事情，所以任何帮助将不胜感激。

干杯!

PS:你可以看到我的问题，就好像我想利用第二天的天气预测来提前预测一个城市一天的冰淇淋销量。 X 是冰淇淋的数量，Y 可以是温度。

Answer 1

你可以例如执行以下操作:

input_x = Input(shape=input_shape_x)
input_y = Input(shape=input_shape_y)
lstm_for_x = LSTM(50, return_sequences=False)(input_x)
lstm_for_y = LSTM(50, return_sequences=False)(input_y)
merged = merge([lstm_for_x, lstm_for_y], mode="concat") # for keras < 2.0
merged = Concatenate([lstm_for_x, lstm_for_y])
output = Dense(1)(merged)

model = Model([x_input, y_input], output)
model.compile(..)
model.fit([X, Y], X_next)

其中 X 是序列数组，X_forward 是 X p 向前移动一步， Y是Ys序列的数组。