Neural network Keras LSTM：层建模

我是Keras LSTM的新手，我正在构建一个基于时间序列的预测脚本

我有下面的数据集，它描述了用户一年的用电量

User    mai/13  jun/13  jul/13  ago/13  set/13  out/13  nov/13  dez/13  jan/14  fev/14  mar/14  abr/14
x1  88  99  108 90  86  79  83  75  80  69  75  61
x2  0   143 163 127 174 199 177 140 100 100 130 119
x3  51  50  41  42  51  48  58  53  53  37  47  41
x4  181 211 166 105 128 123 125 98  114 58  4   0
x5  173 187 180 195 211 212 231 188 193 168 166 0
x6  343 321 293 272 400 397 467 392 409 306 408 353
x7  215 150 161 148 153 130 165 166 198 166 150 148
x8  100 140 132 119 121 125 148 135 144 123 124 16
x9  197 193 181 161 201 161 227 154 176 148 171 172
x10 356 371 347 347 363 377 423 373 395 338 337 302

对于每个用户，我的脚本在大小为n的windows中分割数据，即，如果n=6，则用户x1将具有以下数据集

88  99  108 90  86  79
99  108 90  86  79  83
108 90  86  79  83  75
90  86  79  83  75  80
86  79  83  75  80  69
79  83  75  80  69  75
83  75  80  69  75  61

我想让我的网络从每个窗口的模式中学习，所以当我要测试它时，基于一个新窗口，它会根据以前的值预测一个值

考虑到这些变量：

dataset_length => number of months
dataset_dim => number of users
sequence_length => window size

我想到的网络是：

1st layer: LSTM with sequence_length units, input_shape(None, 1) and return_sequences set true
2nd layer: LSTM with sequence_length*2 units and return_sequences set false
3rd layer: Dense with 1 unit

我的网络布局有什么问题吗？我用更多的数据测试网络，结果不是很好（高损耗）。为了更好的预测，我可以改变什么？我需要更多的图层吗

---

如果您需要一些代码或测试结果，请告诉我。

发布您已经尝试过的代码。另外，您所说的

dataset\u length

和

dataset\u dim

是什么意思？还有，您的输出是什么（我猜，给定5个月，您希望预测第6个月），您是否规范了您的目标？发布您已经尝试过的代码。另外，您所说的

dataset\u length

和

dataset\u dim

是什么意思？还有，你的产出是什么（我猜，给定5个月，你想预测第6个月），你有没有标准化你的目标？