如何在Keras LSTM中理解时间戳

我试图理解Keras LSTM中时间戳的解释，以便在预测中预测更长的时间段

我已经阅读了很多在互联网上找到的论文，也在stackoverflow中找到了（我仍然感到困惑。我使用timestamp=1实现了Keras，并用shift预测了1小时的天气。预测真的很好，这是我所期望的

问题发生在我试图预测他们是否会移动12小时的那一刻。我不确定Keras在这种情况下是如何解释反向传播的。Keras实际上是如何“记住”以前的数据的

我有7列不同类型的数据。我将第8列作为预测输出。我的重塑准备如下：

#重塑（（样本、时间戳、特征））
train_X=train_X.重塑（（train_X.形状[0]，1，train_X.形状[1]））
测试X=序列X.整形（（序列X.形状[0]，1，序列X.形状[1]））

对于12小时，它应该如下所示吗

train_X=train_X.整形（（train_X.形状[0]，12，train_X.形状[1]））
测试X=列车X.整形（（列车X.形状[0]，12，列车X.形状[1]））

我想了解更多关于Keras LSTM实现这一部分的细节