Keras를 사용한 시계열 예측-평균에 가까운 값

Keras의 LSTM을 사용하여 데이터 세트에서 15 개의 이전 샘플을 사용하여 한 단계 앞서 예측을 수행하고 있습니다.

데이터 csv 파일은 여기에서 찾을 수 있습니다. ( https://drive.google.com/file/d/0Byiipc0dArG0LVZJelB4NFBucms/view?usp=sharing )

두 번째 열 col [1] 값이 사용됩니다. 첫 번째 열 (타임 스탬프)의 값은 전혀 사용되지 않습니다.

다음 코드를 사용합니다.

# convert an array of values into a dataset matrix
def create_dataset(dataset, look_back=1):
        dataX, dataY = [], []
        for i in range(len(dataset)-look_back-1):
                a = dataset[i:(i+look_back), 0]
                dataX.append(a)
                dataY.append(dataset[i + look_back, 0])
        return numpy.array(dataX), numpy.array(dataY)
# fix random seed for reproducibility
numpy.random.seed(7)
# load the dataset
dataframe = pandas.read_csv('node70-3000.csv', usecols=[1],
engine='python', skipfooter=3)
dataset = dataframe.values
dataset = dataset.astype('float32')
# normalize the dataset
scaler = MinMaxScaler(feature_range=(0, 1))
dataset = scaler.fit_transform(dataset)
# split into train and test sets
train_size = int(len(dataset) * 0.7)
test_size = len(dataset) - train_size
train, test = dataset[0:train_size,:], 
dataset[train_size:len(dataset),:]
# reshape into X=t and Y=t+1
look_back = 15
trainX, trainY = create_dataset(train, look_back)
testX, testY = create_dataset(test, look_back)
# reshape input to be [samples, time steps, features]
trainX = numpy.reshape(trainX, (trainX.shape[0], trainX.shape[1], 1))
testX = numpy.reshape(testX, (testX.shape[0], testX.shape[1], 1))
# create and fit the LSTM network
batch_size = 11
model = Sequential()
model.add(LSTM(32, batch_input_shape=(batch_size, look_back, 1),
stateful=True))      
#model.add(LSTM(32, stateful = True))
model.add(Dense(32))
model.add(Dense(1))
# default lr=0.001
optim = Adam(lr=0.05, beta_1=0.9, beta_2=0.999, epsilon=1e-08,
decay=0.1)
model.compile(loss='mean_squared_error', optimizer=optim)
for i in range(50):
        model.fit(trainX, trainY, nb_epoch=1, batch_size=batch_size,
            verbose=2, shuffle=False)   
        model.reset_states()
# make predictions

문제 :

이 코드를 사용하여주기적이고 깨끗한 시계열을 예측했으며 잘 작동합니다. 그러나이 데이터 세트에는 Adam의 다른 매개 변수 (학습률 등)를 사용했습니다. 그래도 실제 값에서 큰 오프셋이있는 예측을 얻습니다. 예측 값은 항상 데이터 값의 평균에 가까운 것 같습니다. 다음 그래프를 참조하십시오. csv 파일에 1850 개의 데이터 포인트가 있습니다. 이들은 크기 15의 시퀀스로 그룹화됩니다. 입력은 크기 15의 시퀀스입니다. 출력은 예측 된 다음 값이어야합니다. 데이터의 70 %는 학습에 사용되고 나머지는 테스트 데이터 세트입니다. 다음 이미지에서 각각 녹색과 빨간색으로 표시된 기차 및 테스트 데이터 세트에서 예측이 수행됩니다.

( https://drive.google.com/file/d/0Byiipc0dArG0OEN5el9lc0puNGM/view?usp=sharing )

왜 이런 일이 발생하고 원인이 무엇인지 알고 있습니까?

감사!