我有一个每小时测量污染（'Sample_Measurement）和天气状况的数据集。如果我想使用前 n 小时的天气和污染数据来预测当前小时的污染水平，我没有问题。实际上，假设 n = 24，特征数为 5。3D 向量将具有以下形状（元素数，24,5）。
直到这一点我没有问题，但我想做的是也使用当前小时的天气状况（连同前一个 n = 24 小时），因为在前一个情况下，我只使用前一个 n 的数据小时。问题是我不知道该怎么做，因为 3D 向量的第三维是 5（4 个天气特征加上 1 个表示污染水平），所以我不能简单地添加当前小时天气特征，因为feature(4) 与 5 不同（因为对于当前时间，我们没有我们想要预测的当前污染）。我希望我已经清楚了，但这并不容易解释。
您可以尝试执行以下操作（前面的伪代码）：
input_past_24 = Input(shape=(24,5))
input_today = Input(shape(1,4))
output_from_LSTM = LSTM(some_args, ...)(input_past_24) # this has some size of your choice, let's say N
# if you want to add other layers, you'd do it here.
prediction = Dense(some_args, ...)(concatenate(input_today,output_from_LSTM))
model = Model(inputs=[input_past_24,input_today], output=prediction)
model.compile(some_args)
model.fit([data_from_past_days,data_today],expected_pollution, some_other_args...)
上面，关键点是将LSTM层的输出与当天的输入连接起来，然后将其发送到最后Dense一层进行最终预测。
有关更多详细信息，您可能需要查看 Keras的功能 API 指南。