我正在尝试训练一个模型来预测几个月内开发的产品的最终成本。我有类似产品的历史数据，将用于训练模型。
一些功能包括计划百分比、开发百分比、已提出的采购订单百分比、待处理的采购订单、迄今为止的材料成本、时间段（每天采样）、间接成本、总成本。
目的是在给定当前状态的情况下预测项目的最终成本。我熟悉 LSTM，并且知道这是一个多变量多步预测。
然而问题依然存在，
项目结束日期不固定，那么在这种情况下我们如何选择一个窗口。有些项目可能会持续一个月，有些项目可能会持续几个月。
现在，由于结束日期尚未确定，我们不知道我们必须预测的未来有多远。因此，要预测的步数也会发生变化。我想我会建立一个回归模型来根据当前项目进度预测项目完成日期，然后用它来预测未来的时间步长。
到目前为止，我研究过和看到的每个 LSTM 模型都有一个固定的预测窗口（预测接下来的 7 个时间步）。在这种情况下，假设我使用第 2 点来定义未来预测数字变化的步数。最初预测前 30 个时间步长，随着我们的进展，预测接下来的 12 个时间步长等，我该如何构建相同的模型？
我能想到的一种方法是训练模型只预测一个时间步，并根据需要循环当前预测的多个时间步。现在我确实明白，如果我们根据当前预测预测太多时间步长（复合误差），这将极大地降低准确性。
让我知道是否需要在评论中进行任何澄清。提前致谢。