串聯預測值LSTM Keras

Question

我不知道我是錯的還是有道理，但我的想法是使用一個預測，並根據該預測來預測未來值（我在Keras上使用LSTM模型）。 我想做的是：

1）獲取前X個已知值（initial_values）

2）使用initial_values進行預測並獲取（initial_prediction）。

3）刪除initial_values的第一個元素並追加initial_prediction

4）從步驟2）重復X次。

我的代碼如下所示：

predictions = []
y_test_concat = []
num_steps_before = 30

# Step 1

# X_test_scaled_shape: (192, 1)
y_test_concat.append(X_test_scaled[:num_steps_before,:]) 
y_test_concat = np.array(y_test_concat)
y_test_concat.reshape(y_test_concat.shape[0],y_test_concat.shape[1],1)

# Step 2

simulated_predictions.append(model.predict(y_test_concat))

# Step 3 (where I get stucked)

num_steps_to_predict = 10
for i in range(1,num_steps_to_predict):
  ...

因此，在下一次迭代中，數組應如下所示：

[initial_value2,initial_value3,...initial_value30, initial_prediction]
[initial_value3,initial_value4,...initial_prediction, initial_prediction2]
...
[initial_value20,initial_value21,...initial_predictionX, initial_predictionY]

有任何想法嗎？ 我想知道Keras中是否已經實現了使用LSTM進行此操作的功能。

Answer 1

感謝@lukedeluccia的回答，我提出了解決方案：

num_steps_before = 30
initial_values = np.array([X_test_scaled[:num_steps_before,:]])
predictions = initial_values

for i in range(0,num_steps_before):
  prediction = model.predict(predictions)
  predictions = np.append(predictions,[prediction])
  predictions = np.delete(predictions,0)
  predictions = predictions.reshape((1,predictions.shape[0],1))