声明：
本博客中的VIP系列博客内容严禁转载，未经允许不得以任何形式进行传播，违者追究侵权责任！
本文主要是基于LSTM（Long Short-Term Memory）长短期记忆神经网络来实践多变量序列预测，并完成对未来指定步长时刻数据的预测、分析和可视化，，手把手教你去搭建属于自己的预测分析模型。
本文主要分为：LSTM模型简介、数据探索分析、模型构建测试三个部分。
一、LSTM模型简介
既然说到了LSTM，就要简单的介绍一下RNN（Recurrent Neural Network，RNN）循环神经网络了，LSTM神经网络模型可以看做是RNN的一种，RNN是一类专门用于处理时序数据样本的神经网络，它的每一层不仅输出给下一层，同时还输出一个隐状态，给当前层在处理下一个样本时使用。
RNN可以根据之前出现的信息对当前的信息进行推断，特别是在语言处理中，RNN可用于根据上文预测下一个将要出现的词。但是它只能处理一定间隔的信息，如果上文间隔过远，就有可能出现难以联想的情况。这时候LSTM就应运而生了。LSTM的展开结构中与RNN的不同主要是存在控制存储状态的结构，如下图是经典的RNN模型和LSTM模型的展开结构示意图：
想要深入理解LSTM的机理模式，弄清楚LSTM中的三种门是非常重要的，LSTM模型中主要包含了：忘记门、输入层门和输出层门。各个门的简单介绍说明如下表所示：