有人可以帮助我如何调整多站点多元时间序列的输入吗？我的数据集是这样的：
输入数据格式 每个时间步长一个csv文件：每个文件包含5个参数（x，y，u速度，v速度，涡度，因此有5列）和几千行（每行用于二维计算中的单个点）域）。例如：在一个矩形域（500x1000个点）中，我具有每个点的u-vel，v-vel和涡度（由x坐标和y坐标表示，这两个要素均作为要素包含在内），结果为500000点或地点。我有多个时间步长的此类数据（每个时间步长在单独的csv文件中）。
还应注意，这些点都是2-D计算域的一部分，其中x坐标从0到500，而y坐标从0到1000，给出500x1000 = 500000数据点。五个功能中的每个功能在这500000个点中的每个位置都有10个时间步长的值-这是训练数据集。该模型将在未来10个时间步的所有数据点位置预测所有五个功能的数据。
我的目标 我正在尝试使用LSTM通过对模型的数据进行训练来预测n + 1，n + 2..n + 10个时间步长的每个点的u-vel，v-vel和涡度（再次为500000点）。在时间步长n，n-1，n-2 ... n-10中也是如此。
我得到num_timesteps应该是我提供的数据的时间步长数（例如，训练数据的10个时间步长对应于n-10，n-9，n-8。）。 .n，则num_timesteps = 10）和num_features = 5（它们分别是x，y，u_vel，v_vel，vorticity）。
但是我不确定应该如何输入500000点？是否应将它们作为样本数输入？但是在那种情况下，它将仅针对一个数据样本进行预测，而我需要针对所有500000点进行预测。
任何帮助将不胜感激。我没有帮助就看了多个博客文章。非常感谢！