Keras LSTM如何通过model.predict()循环预测

from keras.models import load_model
import numpy as np

model = load_model('lstm_model.h5')  # 替换成你的模型文件路径

# 假设你要进行10步的循环预测，sequence_length表示用于预测的历史时间步数
sequence_length = 10
# input_data是一个长度为sequence_length的一维数组，表示历史观测值
input_data = np.array([...])  # 替换成你的输入数据

# 将输入数据转换为模型所需的输入形状，例如将一维数组转换为二维数组
input_data = input_data.reshape(1, sequence_length, 1)

# 初始化一个空的预测结果数组，用于存储每一步的预测值
predictions = []

# 循环预测10步
for _ in range(10):
    # 使用模型进行预测
    predicted_value = model.predict(input_data)
    # 将预测值加入结果数组
    predictions.append(predicted_value)
    # 更新输入数据，将最新的预测值加入输入数据，用于下一步的预测
    input_data = np.append(input_data[:, 1:, :], [[predicted_value]], axis=1)

# 将预测结果转换为一维数组
predictions = np.array(predictions).flatten()