用于时间序列预测的LSTM自动编码器

Question

我试图建立一个LSTM自动编码器来预测时间序列数据。因为我是Python新手，所以在解码部分有错误。我试着像here和Keras那样构建它。我完全不能理解这些例子之间的区别。我现在掌握的代码如下：

问题1：当每个样本有2000个值时，如何选择批量大小和输入尺寸？

问题2：如何让这个LSTM自动编码器工作（模型和预测）？这只是一个模型，但如何预测呢？从样本10开始到数据结束？

Mydata总共有1500个样本，我将使用10个时间步（如果更好的话，可能更多），每个样本有2000个值。如果你需要更多的信息，我也会包括他们以后。

trainX = np.reshape(data, (1500, 10,2000))

from keras.layers import *
from keras.models import Model
from keras.layers import Input, LSTM, RepeatVector

参数

timesteps=10
input_dim=2000
units=100 #choosen unit number randomly
batch_size=2000 
epochs=20

模型

inpE = Input((timesteps,input_dim)) 
outE = LSTM(units = units, return_sequences=False)(inpE)
encoder = Model(inpE,outE) 
inpD = RepeatVector(timesteps)(outE)
outD1 = LSTM(input_dim, return_sequences=True)(outD
decoder = Model(inpD,outD) 
autoencoder = Model(inpE, outD)
autoencoder.compile(loss='mean_squared_error',
          optimizer='rmsprop',
          metrics=['accuracy'])
autoencoder.fit(trainX, trainX,
      batch_size=batch_size,
      epochs=epochs)
encoderPredictions = encoder.predict(trainX)