是否可以使用多个时间序列来训练RNN？

Question

在不同类型土壤中，饱和后土壤水分行为有多个时间序列(约200)。它们都是相同的长度和几乎相同的形状，只是由于不同土壤性质的影响，它们的极限值和土壤水分下降速率不同。

我需要的是一个RNN模型，它可以用一个序列作为输入来预测时间序列。这个RNN必须能够检测到，至少在内部，输入序列所对应的200个训练序列中的哪一个，然后预测下一个值。这样的事有可能吗？我试着把所有的时间序列串联成一个，我训练了一个RNN，它有3层和不同数量的隐藏单元，但是我没有得到好的结果。我应该增加模型的复杂性还是尝试一种新的方法？

Answer 1

是的，你可以使用多元神经网络。

多元神经网络

在此体系结构中，多个顺序特性(即多个sequneces)作为递归层的输入。

以py手电为参考，您可以看到LSTM对象的输入是形状的张量。

input = (L, H_{in})

其中，L是序列的长度，而H_{in}是输入特性的数量*(即序列数)。我附上以下几个资源，以防它们有帮助：

• Keras实现：https://machinelearningmastery.com/multivariate-time-series-forecasting-lstms-keras/
• 火炬实现：https://stackoverflow.com/a/56893248

希望能帮上忙！

*输入也可以有`(L，N，H{in})#qcStackCode#_ _for_ _N#qcStackCode#`_批。