LSTM模型预测长度超出预期且维度不匹配问题求助

核心问题 #

你遇到的维度不匹配错误，根源有两个：

1. 模型输出层仅能预测1个值，但你需要预测2个未来值，输出维度和标签不匹配
2. 你提到的y_pred形状(1820,1)，说明传入模型的输入数据形状不符合预期，和批次大小无关

解决方案 #

1. 修改模型适配多步预测

当前模型最后一层是Dense(1)，仅能输出单值。要预测2个未来值，需将输出层改为Dense(2)，同时确保你的标签数据（y_train/y_test/y_pred对应的真实值）形状是(样本数, 2)，而非(样本数, 1)：

def mylstm(structure , data):
    inputs = Input(shape=(data["X_train"].shape[1],data["X_train"].shape[2]))
    lstm_1 = LSTM(structure["n_hidden_units"], return_sequences=True,
                  activation=structure["activation"],
                  kernel_initializer=structure["network_weight_initial"])(inputs)
    lstm_out=LSTM(structure["n_hidden_units"])(lstm_1)
    outputs = Dense(2)(lstm_out)  # 修改为Dense(2)，对应2个预测值
    model = Model(inputs=inputs, outputs=outputs)
    model.summary()
    return model

2. 验证输入数据形状

批次大小不会改变模型输出的样本数量，输出样本数永远等于输入样本数。你得到(1820,1)的y_pred，说明传入model.predict()的data["X_test"]实际形状不是(65,15,2)，先打印确认：

print("X_test shape:", data["X_test"].shape)

如果输出不是(65,15,2)，检查数据集划分或预处理代码，确认是否错误合并了数据集、打乱了维度顺序。

3. 调整标签数据结构

如果你的原始标签仅对应1个未来值，需要重新构造标签，让每个输入样本对应2个未来时间步的真实值，确保标签形状为(样本数, 2)，比如：

• 原标签y_train是(2063,1)，需改为(2063,2)，每一行存储当前样本对应的下两个时间步的目标值

错误原因解释 #

ValueError: y_true and y_pred must have the same number of dimensions 本质是模型输出维度和真实标签维度不匹配：

• 若你的真实标签是(65,2)，但模型输出(65,1)，维度数一致但最后一维长度不匹配
• 若你传入的输入是(1820,15,2)，模型会输出(1820,1)，此时真实标签如果是(65,2)，维度完全不匹配

内容的提问来源于stack exchange，提问作者Sadeq Al-Ahdal