如何解决时间序列预测如何使用未来值
我有一个时间序列数据集,其中包含几年的每小时数据,如下所示。假设我想对接下来的 3 小时(2021-01-01 19:00、2021-01-01 20:00、2021-01-01 21:00)进行预测。模型(例如 LSTM)的输出是以下序列:[Feature_1(t+1),Feature_1(t+2),Feature_1(t+3)]。我的训练数据的特征之一是天气数据。
日期 | 功能_1 | Weather_feature |
---|---|---|
2019-01-01 15:00 | 值(t0) | 值(t0) |
2019-01-01 16:00 | 值(t0) | 值(t0) |
.... | ... | ... |
2021-01-01 18:00 | 值(t0) | 值(t0) |
我可以使用模型中已经知道的数据吗?我想使用接下来几个小时的天气预报来改进我的预测。
例如在 2021-01-01 18:00
我知道值 Feature_1
和 Weather_feature
时间 t(0)
但我也知道 Weather_feature
在 (t+1)
,{{1} },(t+2)
。我如何在模型中使用它?
目前,这是一个训练样本的样子:(t+3)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。