在 Tensorflow 中使用 RNN 预测未来时期的时间序列值答案

【问题标题】：Predicting values in time series for future periods using RNN in Tensorflow在 Tensorflow 中使用 RNN 预测未来时期的时间序列值
【发布时间】：2017-10-18 12:23:39
【问题描述】：

我对深度学习及其时间序列预测方法很陌生。最近发现一篇关于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，模型预测 y_pred 也为数据集的最后 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个时期的预测（实际预测）？

提前致谢！

【问题讨论】：

问题是，无论谁写时间序列预测中的神经网络，都要对数据集中的输入数据进行预测。但是如何预测未来时期（不存在）？
您找到这个问题的答案了吗？我也有同样的问题
基本上可以关注下一篇（需要output_size参数）medium.com/@siavash_37715/…

标签： python tensorflow deep-learning time-series rnn

【解决方案1】：

在第一步中，您应该使用真实值。然后根据需要使用预测值替换最后一个值。希望下面的代码可以帮到你。

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)

【讨论】：