我还没有遇到过这样的模型。但

如果您还没有尝试过较小的型号，我建议您先尝试一下。

理由：这使您可以使用学习曲线来诊断下一步该做什么。

此外，您可以尝试从 GRU 开始（可能不需要 LSTM 开销）。

起始模型的一个想法

请注意，投票率不会影响天气。因此，天气预报模型将独立于投票率模型，反之则不然。

（注意：我使用 RNN 来表示您选择的循环架构）

同时预测公式：

天气

$\text{RNN}_w$是你的天气预报模型

$\hat w_t = \text{RNN}_w(\hat w_{t-1})$成为当时的预测天气$t$

投票率：这里的想法是人们会或不会出于各种原因（人满为患、太热或暴风雨等）去海滩。因此，在海滩人口预测任务中，我们使用所有这些作为特征来预测下一个时间步的人口。这将问题减少到已经开发的任何一种经典模型。

$\text{RNN}_p$是您的投票率（海滩人口）预测模型

$\hat p_t$成为当时的预测投票率$t$

$\hat c_t=[\hat p_t, \hat w_t]$是时间 t 的串联

$\hat p_{t+1} = \text{RNN}_p(\hat c_t)$

在有天气预报的情况下制定：

只需更换$\hat w_t$与真实的天气预报$\hat f_t$.

最后的警告

除非您认为您的 RNN 在天气预报方面比我不推荐使用的预测系统更好$\text{RNN}_w$在生产应用程序中。

我希望这有帮助。