我正在使用 Keras 構建一個神經網絡，用于根據不同輸入節點處的已知電流注入來預測復雜電路的電壓輸出。截至目前，該模型是一個簡單的 ConvLSTM 模型，可以產生相當不錯的預測。問題是，我需要根據最初 50 毫秒的地面真值電壓和已知的電流注入，以毫秒為單位預測幾分鐘的電壓輸出，因此隨著時間的推移，模型開始依賴于它自己的預測，因此預測誤差復合。我可以測量系統的行為以獲得訓練數據集，但它真的很慢，因此需要神經網絡。在我目前的 mdoel 中，我只能及時預測下一個電壓值，因為當前輸入每毫秒變化一次，因此長期預測是不可行的。我想要做的是建立一個模型，該模型需要 50 毫秒的地面實況訓練電壓、60 毫秒的電流輸入（與電壓值同時開始，但超過 10 毫秒）和 10 毫秒的電壓作為目標。這可能會幫助我加強第一個預測（第 51 個數據點）。不幸的是，無論我搜索了多久，我都沒有找到能夠處理這種輸入的架構。有沒有人對基本的 keras 架構有任何想法？