Инициализация состояний LSTM перед прогнозированием дня

Question

Я хотел бы использовать LSTM для прогнозирования ежедневных временных рядов, которые сильно зависят от сезона.В качестве тестовых данных используются дни из разных сезонов.Перед прогнозированием тестовых данных я хочу инициализировать состояния LSTM данными тренировок предыдущего дня.

model = Sequential()
model.add(LSTM(hidden_size, input_shape=(sequence_size, inputs), return_sequences=True)
model.add(Dense(units=2)
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['accuracy'])

for _ in range(100):
    model.fit(X_train, Y_train, batch_size=batch_size, epochs=1, validation_data=None, shuffle=True)
    for day in range(num_test_days):
        #TODO: initialize state of LSTM with the training data of previous day
        y_pred = model.predict(X_test[day].reshape(1, sequence_size, inputs), batch_size=1)

Как отмечено в исходном коде #Todo, я быкак подготовить LSTM к прогнозированию дня, чтобы состояние было адаптировано для прогнозирования дня тестирования.Есть ли способ?