Пространственный временной 2D-CNN-LSTM

Question

Форма входа поезда: (13974, 100, 6, 5) Форма выхода поезда: (13974, 1, 6, 5) Форма теста ввода: (3494, 100, 6, 5) Форма теста теста: (3494, 1), 6, 5)

model = Sequential()
model.add(TimeDistributed(Conv2D(32, (3, 3), 
padding='same'), 
input_shape=(100, 6, 5,1)))
model.add(TimeDistributed(Activation('relu')))
model.add(TimeDistributed(Conv2D(32, (3, 3))))
model.add(TimeDistributed(Activation('relu')))
model.add(TimeDistributed(MaxPooling2D(pool_size=(2, 2))))
model.add(TimeDistributed(Dropout(0.25)))

model.add(TimeDistributed(Flatten()))
model.add(TimeDistributed(Dense(512)))

model.add(TimeDistributed(Dense(35, name="first_dense_flow" )))

model.add(LSTM(20, return_sequences=True, name="lstm_layer_flow"));    
model.add(TimeDistributed(Dense(101), name=" time_distr_dense_one_ flow ")) 

model.add(GlobalAveragePooling1D(name="global_avg_flow"))
model.compile(loss='mae', optimizer='adam', metrics=['accuracy'])    model.fit(train_input,train_output,epochs=50,batch_size=60)

Я пытаюсь построить модель CNN-LSTM, способную определять будущее. Входные данные представляют собой последовательность 13974, каждая последовательность состоит из 100 отметок времени, каждая из которых содержит 6 местоположений и 5 объектов (переменных), поэтому входное значение равно (13974,100,6,5), а выходное значение равно (13974,1,6,5). .

Как я могу изменить свою модель, чтобы сделать пространственно-временное прогнозирование