時系列はシーケンスからシーケンスへの問題をマルチステップで予測していますか？

数値（float）型の単変量時系列のLSTMをトレーニングするために、kerasパッケージを使用しています。1ステップ先の予測を実行するのは簡単ですが、たとえば、10ステップ先の予測を実行する方法がわかりません。2つの質問：

1）シーケンスツーシーケンスNNについて読みましたが、時系列予測のコンテキストではほとんど何も見つかりません。事前に複数のタイムステップを予測することはseq2seqの問題であるという仮定で正しいのでしょうか。それぞれの予測は前任者に依存しているので、それは私には理にかなっています。

2）seq2seqを使用しない直感的なソリューションは、1ステップ先の予測を実行してから、この予測をシリーズに追加し、それを使用して次の予測を取得します。これはseq2seqアプローチとどのように異なりますか？

Seq2Seqアーキテクチャは、時系列問題に確実に使用できます。唯一の工夫は、出力を必要なサイズ（たとえば、単変量の場合は1）に投影するために、デコーダーの上に線形レイヤーが必要になることです。

ステップワイズ予測アプローチは短いシーケンスに使用できますが、バイアスはこのアプローチを使用して複合されるため、長いシーケンスには適していません。

たとえば、各タイムステップで値が一定であるシーケンスがある場合、ですが、代わりにを実行するように学習したモデル（勾配降下の可能性が高い）アルゴリズム）。以下のために、目標値になります、しかし、モデルが予測する。$x_{i+1} = x_i$$x_{i+1}=1.01x_i$$t=10$$1^{50} = 1$$1.01^{50}=1.64$

したがって、1％のシングルステップエラーは、50ステップで64％の差になります。