LSTM多步预测模型代码

以下是一个简单的 LSTM 多步预测模型的代码，代码中使用了 Keras 库：

from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np

# 生成输入序列
seq_length = 10
data = np.array([i for i in range(100)])
X = []
y = []
for i in range(len(data)-seq_length-1):
    X.append(data[i:i+seq_length])
    y.append(data[i+seq_length])
X = np.array(X)
y = np.array(y)

# 将数据集划分为训练集和测试集
train_size = int(len(X) * 0.7)
X_train, X_test = X[:train_size], X[train_size:]
y_train, y_test = y[:train_size], y[train_size:]

# 构建 LSTM 模型
model = Sequential()
model.add(LSTM(50, activation='relu', input_shape=(seq_length, 1)))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mse')

# 训练模型
model.fit(X_train, y_train, epochs=100, batch_size=32, verbose=2)

# 预测未来 10 个数值
prediction = model.predict(X_test)
print(prediction)

在这个例子中，我们首先生成了一个长度为 100 的序列，并将其分为输入序列和输出序列（即前 10 个数作为输入，后一个数作为输出）。然后我们将数据集划分为训练集和测试集，并使用 Keras 库构建了一个 LSTM 模型。在训练完模型后，我们使用模型来预测未来的 10 个数值。