Keras：在下一个时间步将输出作为输入馈送

目标是预测时间序列Y为87601个时间步（10年）和9个目标。输入特征X（外部输入）是11个时间序列，共87600个时间步。输出还有一个timestep，因为这是初始值。 时间步t的输出Yt取决于输入Xt和先前的输出Yt-1

因此，模型应如下所示：

我只能在此上找到此线程：。 我试图通过Keras实现这一点，如下所示：

def build_model（）：
#输入层
输入=图层。输入（形状=（特征），名称=（输入）
input_y=layers.input（shape=（targets），name='input_y-1'）
#合并两个输入
合并=层。连接（[input\u x，input\u y]，name='merge'）
#正常化输入
norm=layers.Lambda（标准化，name='scale'）（合并）
#隐藏层
x=层。密集（128，输入形状=（特征，）（标准）
#输出层
输出=layers.Dense（目标，activation='relu'，name='output'）（x）
模型=模型（输入=[输入x，输入y]，输出=输出）
compile（loss='mean_squared_error'，optimizer=Adam（））
回归模型
def make_预测（模型，X，y）：
y_pred=[y[0，无，：]]
对于范围内的i（len（X））：
y_pred.append（model.predict（[X[i，None，：]，y_pred[i]]））
y_pred=np.asarray（y_pred）
y_pred=y_pred.重塑（y_pred.形状[0]，y_pred.形状[2]）
返回y_pred
#合身
模型=构建模型（）
模型拟合（[X_-train，y_-train[：-1]，[y_-train[1:]]，历代=200，
批量（大小=24，随机播放=False）
#预测
y_hat=进行预测（模型、X_序列、y_序列）

这是可行的，但这不是我想要实现的，因为我已经做到了。因此，该模型没有学习如何纠正反馈输出中的错误，这导致预测时的准确性较差，因为输出上的错误在每个时间步都会累积

Keras中是否有方法在培训阶段实施输出-输入反馈？

---

此外，由于Y的初始值总是已知的，我也想将其反馈给网络。

你做到了吗？@Sam我还没有找到一种方法来做到这一点，但我确实成功地获得了准确的预测结果，请看如何。@Astrid你找到了如何管理它的方法吗？？？正如我上面所说，我没有做到，尽管我找到了另一种方法使其工作（参见前面评论中的链接）。