python调用已经训练好的LSTM时间序列模型对自己的时间序列数据进行预测的代码例子

好的，以下是一个示例代码，使用已经训练好的LSTM模型对自己的时间序列数据进行预测：

import numpy as np
import pandas as pd
from keras.models import load_model

# 读取已经训练好的LSTM模型
model = load_model('lstm_model.h5')

# 读取需要进行预测的时间序列数据
data = pd.read_csv('time_series_data.csv', header=None)

# 将数据转换为3D张量
X = []
for i in range(len(data) - 3):
    X.append(data.iloc[i:i+3].values)
X = np.array(X)

# 对数据进行预测
pred = model.predict(X)

# 打印预测结果
print(pred)

在这个例子中，我们使用了`keras`库提供的LSTM模型，并从已经保存好的LSTM模型文件中读取了模型。然后，我们读取需要进行预测的时间序列数据，并将数据转换为3D张量。在这个例子中，我们使用了3个时间步长（即，每次输入3个连续时间点的数据）进行预测。最后，我们使用模型的`predict`方法对数据进行预测，并打印预测结果。