在Tensorflow中使用RNN預測未來時間段的時間序列值

我對於深度學習及其對時間序列預測的方法頗爲陌生。最近我發現了一篇關於time series predicting using Recurrent Neural Networks (RNN) in Tensorflow的文章。在Tensorflow中使用RNN預測未來時間段的時間序列值

在這篇文章中，測試儀在過去的20個值和模型預測y_pred也爲數據集的最後20個值，然後計算y_test和y_pred MSE。我的問題是：如何擴展模型以接收未來下一階段的預測（實際預測）？

在此先感謝！

來源

2017-10-18 HalfPintBoy

問題在於，誰在時間序列預測中編寫神經網絡，對數據集中的輸入數據進行預測。但是如何對未來時期（不存在）進行預測？ – HalfPintBoy

第一步你應該使用真實值。然後使用預測值來替換上一個值。希望以下代碼可以幫助你。

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)

來源

2018-01-16 15:30:18 Beck

在Tensorflow中使用RNN預測未來時間段的時間序列值

回答

相關問題