用RNN预测未来时期的时间序列值

Question

我对深度学习和它的时间序列预测方法还很陌生。最近我发现了一篇关于time series predicting using Recurrent Neural Networks (RNN) in Tensorflow的文章。在

在那篇文章中，测试集是最后20个值，模型还预测了数据集最后20个值的y_pred，然后计算y_test和{}的MSE。我的问题是：如何扩展模型以接收未来期间的预测（实际预测）？在

提前谢谢！在

Answer 1

在第一步中，您应该使用实际值。然后使用predict value替换最后一个值。 希望下面的代码能对您有所帮助。在

with tf.Session() as sess:
    saver.restore(sess, './model_saved')
    preds = []
    X_batch = last_n_steps_value
    X_batch = X_batch.reshape(-1, n_steps, 1)
    for i in range(number_you_want_to_predict):
        pred = sess.run(outputs, feed_dict={X: X_batch})
        preds.append(pred.reshape(7)[-1])
        X_batch = X_batch[:, 1:]
        # Using predict value to replace real value
        X_batch = np.append(X_batch, pred[:, -1])
        X_batch = X_batch.reshape(-1, n_steps, 1)