不使用多个标签的时间序列预测

Question

抱歉，我是tensorflow的新手，这个问题可能太笼统了，但我无法找到解决以下问题的方法：

我正在调整Time series forecasting tutorial by TensorFlow，但对我来说，有必要建立一个单步模型，在不使用下一时间步的真实数据的情况下预测下一时间步的标签。例如：预测T=10时的T（degC），特征值为T=9，预测T=9时的T（degC）。 我以为像递归神经网络这样的模型应该做到这一点，但为什么平均绝对误差没有像我预期的那样随着时间的推移而增加呢？因此，我猜它是用T=9的“真实数据”T（degC）来预测T=10。 我怎样才能改变这一点，从数据集中拆分标签，并且只使用其他功能和以前的预测。 我不想让你为我编写代码，但我想这里有关于这类问题的教程/这类模型的名称。我就是找不到，请帮我找到正确的方向。 谢谢大家!