在 Tensorflow 中使用 RNN 预测未来时期的时间序列值

Question

我对深度学习及其时间序列预测方法还很陌生。最近找到一篇关于time series predicting using Recurrent Neural Networks (RNN) in Tensorflow.

的文章

在那篇文章中，测试集是最后 20 个值，模型也预测 y_pred 数据集的最后 20 个值，然后计算 y_test 和 y_pred 的 MSE .我的问题是：如何扩展模型以接收未来下一时期的预测（实际预测）？

提前致谢！

Answer 1

第一步你应该使用实数值。然后根据需要使用预测值替换最后一个值。希望下面的代码能帮到你。

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)

在 Tensorflow 中使用 RNN 预测未来时期的时间序列值

Predicting values in time series for future periods using RNN in Tensorflow

python

time-series

deep-learning

tensorflow

rnn