Keras LSTM用於時間序列錯誤的預測並收斂於不可更改的值范圍

Question

該模型：

def buildModel(neurons= 5, batch_size= 1, timestep=1, features=1):
    model = Sequential()
    model.add(LSTM(neurons, 
                   batch_input_shape=(batch_size, timestep, features), 
                   #return_sequences= True,
                   stateful=True))

    model.add(Dense(1))
    model.compile(loss='mean_squared_error', optimizer='adam',  
                  metrics=[metrics.MAPE, 'accuracy'])
    return model

測試RMSE：0.104測試MAPE：14.040

但是逐步進行多步預測時，結果會迅速增加，然后穩定在一定范圍內。

時間序列是與模型或時間序列預測問題有關的單變量建議嗎？

Answer 1

neurons = 5 ，這是一個非常低的容量模型。 可能不足以對目標時間序列函數進行建模。

timesteps = 1 ，這是時間序列，因此在做出正確的預測之前，輸出必須取決於一定數量的timesteps 。 timesteps = 1表示您的輸出僅取決於1個timestep 。

batch_size = 1 ，這需要一段時間才能收斂。 通常，這應該是2的冪（16、32、64、128、256、512）。