0

我有一个时间序列，如下所示：

time    X     Y
 t1     2     88
 t2     7     79
 t3     8     35
 t4     5     85
 t5     7     95
 t6     6     87
 t7     8     54
 t8     9     77
 t9     2     05
t10     1     65
t11     9     96
t12     8     44
t13     4     85

我正在尝试准备一个如下图所示的模型：

建议模型

我在密集层中添加输入 Y1 和 (t1-t2) 时遇到问题。我不确定我该怎么做。我的意图是让两个 LSTM 从不同时间的时间序列值中学习，然后使用该学习与过去的 Y 值来预测未来的 Y 值。我还将展示从过去的 Y 值到现在的时间差。到目前为止，我提出的建模代码如下所示：

def build_model(nstepsA=2,nstepsB=4):
## nstepsA: timesteps for blockA (default=2)
## nstepsB: timesteps for blockB (default=4)

input_1 = Input(shape=(nstepsA, 1), name='BlockA')
input_2 = Input(shape=(nstepsB, 1), name='BlockB')
model1 = LSTM(256, name='lstm1')(BlockA)
model2 = LSTM(256, name='lstm2')(BlockB)
concat = concatenate([model1, model2]) 
output = Dense(6, activation='tanh', name='dense')(concat)         ### Need to add two more inputs here..........
model = Model(inputs=input_, outputs=output)
return model
4

0 回答 0