batch是随机的，那么怎么预测当前时间点的寿命？

如果你要预测当前时间点的寿命，通常需要使用递归方式进行预测。具体地，假设你已经有了一段时间序列的数据，你可以将这些数据按batch划分，并且使用随机采样的方式来生成训练数据。然后，你可以使用这些训练数据来训练一个时间序列预测模型，例如基于TCN的模型。在训练完成后，你可以使用这个模型来预测当前时间点的寿命。

具体地，假设你已经有了一个长度为n的时间序列数据，你可以将其划分为m个长度为batch_size的batch数据，其中batch_size表示每个batch中包含的数据样本数量。然后，你可以使用随机采样的方式从每个batch中抽取一个数据样本，并使用这些数据样本来预测当前时间点的寿命。具体地，对于第i个batch，你可以使用其中的一个数据样本来预测第i*batch_size个时间点的寿命。

需要注意的是，这种预测方式仅仅是一种递归预测方法，它并没有考虑到当前时间点之后的数据。如果你需要预测当前时间点之后的寿命，你需要使用递归方式不断进行预测，直到预测到当前时间点之后的某个时间点为止。同时，为了提高预测的准确性，你还可以使用滑动窗口的方式来生成数据样本，同时使用前向预测的方式来预测当前时间点的寿命。