Получение повторяющегося шаблона из многошагового прогнозирования данных временных рядов с использованием LSTM

Question

Мы используем LSTM для изучения последовательностей на данных временных рядов. Задача состоит в том, чтобы делать многоэтапные прогнозы, используя обученные модели. Мы используем стандартную многослойную модель Sequential.

Модель хорошо изучает шаблон и может тщательно воспроизводить все обученные данные. Тем не менее, когда дело доходит до многоэтапного прогнозирования, оно, похоже, попадает в некую повторяющуюся модель. (см. второй график в записной книжке Colab)

Идея для многоэтапного прогнозирования заключается в следующем:

1. Взять timestep_count существующую последовательность, запустить predict() на нем и получите y_dimension выходы:

   X _т-9 , Х _т-8 , Х _т-7, Х _т-6 , Х _т-5 , Х _т-4 , Х _т-3 , Х _{т -2} , X _т-1 , Х _т ==> Модель ==> P _{т + 1} , P _{т + 2} , ... P _{t + m}

2. Возьмите y_dimension предсказанные значения (P) и pu sh их в конце X.

   Х _т-7 , Х _т-6 , Х _т-5 , Х _т-4 , Х _т-3 , Х _т-2 , Х _т-1 , Х _т , П _{т + 1} , P _{t + 2} ==> Модель ==> P _{t + 3} , P _{t + 4} , ... P _{t + 2 + m}

3. Запустите этот новый X через тот же цикл, пока мы не получим требуемые future_steps прогнозы.

Проблема заключается в том, что этот метод генерирует повторяющийся шаблон, как видно на втором графике в записной книжке Colab.

Это правильный подход для многоэтапного прогнозирования ?

Другое решение состоит в том, чтобы обучить модель давать большее число future_predictions. Но наше требование состоит в том, чтобы предсказывать много временных шагов в будущем, и мы не уверены, является ли это правильным подходом.

Ссылка Colab на рабочий образец: https://colab.research.google.com/drive/1ImLBSmM875OouCLoCwh6JeFKFCmwLbby

Обратите внимание: ноутбук Colab имеет ограниченный набор для обучения. В реальном производстве мы обучаем от 10000 до 50000 образцов и все еще видим проблему.

Answer 1

После анализа вашего кода, я думаю, проблема в том, как вы строите входные данные для модели, чтобы протестировать ее. Вы используете другой процесс, который включает в себя другую случайную функцию.

Как еще одно наблюдение ... данные, которые вы пытаетесь предсказать, абсолютно случайны ... нет никакой связи между входами и выходами. Должен быть способ соотнести вход и выход (верно?). Иначе, что вы моделируете?

Я создал альтернативный набор данных и формулировку проблемы для вас. Это связано, и вы можете взглянуть на это здесь .