多变量序列的LSTM时间序列预测

Question

我必须预测多个城市(100+)下一分钟的交通流量。我在考虑使用LSTM。我主要关心的是我如何扩大城市的数量。LSTM如何学习不同数量的交通以及所有城市的其他相关特征来预测下一个州。这种情况下的网络架构应该是什么？

我在考虑以下过程：

1. 与城市特有的Min，Max标量数据的规范化
2. 将滑动窗口数据(t_1到t_60)输入到LSTM并预测(t+1)值
3. 获取输出值，并从步骤1得到实际值。

我曾在网上读过多篇论文和博客，但大多是关于一个多元的时间系列。但是，在我的例子中，它的多变量时间序列，但一个泛化的模型。有人能为这些和相关的论文/博客提出什么是常见的行业实践吗？我是否需要为每个城市建模(因为可伸缩性问题，在我的情况下这是不可能的)？

Answer 1

我想你需要回答的一个问题是，城市之间的交通是如何相互关联的。

如果它们不相关(这是很可能的)，那么城市可以是一个分类输入变量。该网络可以了解什么是共同的在所有城市和什么是特定于不同的城市。

下面是一个可能有用的参考文献。在本例中，输入显然是相关的，因此这在您的情况下可能是不同的。

您还可以考虑为一个城市开发一个模型，然后通过添加其他城市来改进它。