Keras 基于lstm的基本时间序列预测

我有一个序列，我想用最简单的LSTM来预测序列的其余部分。 这意味着我想从只使用前一步预测下一步开始，然后添加更多步骤。 我想使用预测值作为输入。 所以我相信我想要的是实现答案中提到的多对多

我已经阅读了有关stackoverflow主题的其他问题，但仍然没有成功地使其生效。在我的代码中，我使用这里的教程和函数create_dataset创建两个数组，只需移动一步

这是我的代码和我得到的错误。

---

您知道我为什么会出现这样的错误吗？因为我似乎做了上述主题中提到的所有事情？

在这个LSTM网络中，批处理大小为1，因为它是有状态的。当stateful=True时，序列集大小和测试集大小除以批次大小时，其模数应为零

batch\u input\u shape=batch\u size，1,1已经定义，那么为什么再次，input\u shape=None，1

当return_sequences=True时，另一个LSTM在现有LSTM层之后。但这里不是

"Here I'm scaling my data as advised"
scaler = MinMaxScaler(feature_range=(0, 1))
Rot = scaler.fit_transform(Rot)

"I'm creating the model using batch_size=1 but I'm not sure why this is necessary"

batch_size = 1
model = Sequential()
model.add(LSTM(1,batch_input_shape=(batch_size,1,1),stateful=True,return_sequences=True,input_shape=(None,1)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')

"I want to use only the previous value for now"
look_back = 1
"as len(Rot) = 41000 I'm taking 36000 for training"
train_size = 36000
X,Y = create_dataset(Rot[:train_size,:],look_back)
X = numpy.reshape(X,(X.shape[0], X.shape[1], 1))
Y = numpy.reshape(Y,(X.shape[0], X.shape[1], 1))

And now I train my network as advised by @Daniel Möller. 

epochs = 10

for epoch in range(epochs):
    model.reset_states()
    model.train_on_batch(X,Y)

" And I get this error "
" PartialTensorShape: Incompatible shapes during merge: [35998,1] vs. [1,1]
     [[{{node lstm_11/TensorArrayStack/TensorArrayGatherV3}}]]."