Предположим, я получаю данные (только одну переменную) каждые 10 минут в режиме реального времени.
Я накопил данные за последние 2 недели. Поэтому у меня уже есть 2 * 7 * 24 * 6 = 2016 точек данных, которые можно использовать для обучения модели прогнозирования.
Моя цель - использовать 5 ближайших исторических точек данных, чтобы предсказать следующие 2 точки данных в ближайшем будущем.
Как видно из прилагаемого описания,
введите описание изображения здесь
Я буду использовать V1, V2, V3, V4 и V5 для прогнозирования V6 и V7; и затем, как только я получу V6, я буду использовать V2, V3, V4, V5 и V6 для прогнозирования V7 и V8; и затем, как только я получу V7, я буду использовать V3, V4, V5, V6 и V7 для прогнозирования V8 и V9, и прогнозирование будет продолжаться.
5 ближайших исторических данных станут «скользящим окном с 5 точками данных», которое продолжает двигаться каждые 10 минут, чтобы продолжать прогнозировать следующие две точки данных.
Я использовал метод «Multi-Step LSTM», чтобы решить эту проблему с помощью Keras. Я в основном подписываюсь на посты разных людей. Тем не менее, я все еще не знаю, как настроить следующие параметры:
- time_step =? (Это количество точек данных обучения, которое
2016? )
- batch_size =? (не слишком уверен)
- Где мне установить ширину раздвижного окна? (5 точек данных)?
- Где мне установить ширину окна прогноза (2 точки данных в будущем)? Я думаю, что это может быть с использованием model.add (Dense (n_output)), где я установил n_output в 2.