我是做电力负荷预测研究的，最近使用LSTM神经网络对电力负荷进行了预测。
预测后面一天96个时间点的负荷数据，当时timestep我是设置的40。每次预测的输入特征为当前采样点编号、以及最近四个时间点的历史数据，一共五个输入特征。
这是第一次预测的结果：
其中MAPE%为98.8%，红色曲线是真实值，而蓝色曲线是模型输出得预测值，下面也一样！
随后我把timestep设置得小一点，发现精确度提高了。于是我斗胆一试，把timestep改成了1.
发现精确度更加提升了！
这个时候得MAPE%是99.3%
我就疑惑了。为什么timestep值设置越小精确度还提升了不少。
按我之前得理解，timestep是设置模型学习timestep个历史数据得变化趋势得意思。但是这个实验效果令人意外，毕竟设置为1相当于不去学习
历史数据变化规律了，反而精确度还变高了，这是怎么一回事呢，有没有大神能指点一下！
