数据挖掘 - 使用带有 keras 的 LSTM 进行多步超前预测的多输出 - 吾爱随笔录

我是深度学习和 LSTM（使用 keras）的新手。我正在尝试解决多步提前时间序列预测。我有 3 个时间序列：A、B 和 C，我想预测 C 的值。我正在训练一个 LSTM，反馈 3 个步骤的数据点来预测未来接下来的 3 个步骤。输入数据如下所示：

X = [[[A0, B0, C0],[A1, B1, C1],[A2, B2, C2]],[[ ...]]]

尺寸：(1000, 3, 3). 输出是：

y = [[C3, C4, C5],[C4, C5, C6],...]

尺寸：(1000, 3).

我正在使用一个带有 1 个隐藏层（50 个神经元）的简单 LSTM。我用 keras 设置了一个 LSTM：

n_features = 3
neurons = 50
ahead = 3
model = Sequential()
model.add(LSTM(input_dim=n_features, output_dim=neurons))
model.add(Dropout(.2))
model.add(Dense(input_dim=neurons, output_dim=ahead))
model.add(Activation('linear'))
model.compile(loss='mae', optimizer='adam')
model.fit(X, y, epochs=50)

这个模型工作正常。现在，我也想预测 B 的值（使用相同的输入）。因此，我尝试以与对具有多个特征的训练类似的方式重塑输出：

 y = [[[B3, C3],[B4, C4],[B5, C5]],[[ ...]]]

使其具有尺寸：(1000, 3, 2). 但是，这给了我一个错误：

Error when checking target: expected activation_5 to have 2 dimensions, 
but got array with shape (1000, 3, 2)

我猜网络的结构需要改变。我试图修改model.add(Dense(input_dim=neurons, output_dim=ahead))没有成功。我应该以y不同的方式重塑吗？网络结构错了吗？