Tensorflow 中使用 LSTM 的时间序列预测模型预测一个常数

Question

我正在使用卫星数据构建飓风路径预测器。我在多层 LSTM 模型中有多个输出，输入和输出数组遵循结构 [samples[time[features]]]。作为输入和输出的特征，我有飓风、WS 和其他维度的坐标。

问题是错误减少，因此，模型预测总是一个常数。阅读了几篇文章后，我对数据进行了标准化，删除了一些不必要的层，但模型始终预测相同的输出。

我认为模型足够大，激活函数有意义，因为输出都在 [-1;1] 范围内。所以我的问题是：我做错了什么？

模型如下：

class Stacked_LSTM():

    def __init__(self, training_inputs, training_outputs, n_steps_in, n_steps_out, n_features_in, n_features_out, metrics, optimizer, epochs):
        self.training_inputs = training_inputs
        self.training_outputs = training_outputs
        self.epochs = epochs

        self.n_steps_in = n_steps_in
        self.n_steps_out = n_steps_out
        self.n_features_in = n_features_in
        self.n_features_out = n_features_out
        self.metrics = metrics
        self.optimizer = optimizer

        self.stop = EarlyStopping(monitor='loss', min_delta=0.000000000001, patience=30)

        self.model = Sequential()
        self.model.add(LSTM(360, activation='tanh', return_sequences=True, input_shape=(self.n_steps_in, self.n_features_in,))) #, kernel_regularizer=regularizers.l2(0.001), not a good idea
        self.model.add(layers.Dropout(0.1))
        self.model.add(LSTM(360, activation='tanh'))
        self.model.add(layers.Dropout(0.1))
        self.model.add(Dense(self.n_features_out*self.n_steps_out))
        self.model.add(Reshape((self.n_steps_out, self.n_features_out)))
        self.model.compile(optimizer=self.optimizer, loss='mae', metrics=[metrics])

    def fit(self):
        return self.model.fit(self.training_inputs, self.training_outputs, callbacks=[self.stop], epochs=self.epochs)

    def predict(self, input):
        return self.model.predict(input)

备注 1）在这个特定的问题中，时间序列数据不是"continuous"，因为一个时间序列属于特定的飓风。因此，我针对每场飓风调整了时间序列的训练和测试样本。这意味着我不能在我的层中使用函数 stateful=True，因为这意味着模型不会在不同的飓风之间产生任何差异（如果我的理解是正确的）。

2) 没有图像数据，因此不需要卷积模型。

Answer 1

几点建议，根据我的经验：

4层LSTM太多了。坚持两个，最多三个。
不要使用 relu 作为 LSTM 的激活。
不要将 BatchNormalization 用于时间序列。

除此之外，我还建议移除两个 LSTM 层之间的密集层。

Tensorflow 中使用 LSTM 的时间序列预测模型预测一个常数

Time Series Forecasting model with LSTM in Tensorflow predicts a constant

python

time-series

weather

lstm

tensorflow