抱歉，我是tensorflow的新手，这个问题可能太笼统了，但我无法找到解决以下问题的方法：
我正在修改tensorflow的时间序列预测教程，但对我来说，有必要使用一个单步模型来预测下一个时间步的标签，而不使用它们的真实数据。例如：在t=10时预测t（degc），在t=9时预测t（degc），在t=9时预测t（degc）。我认为像递归神经网络这样的模型应该这样做，但为什么平均绝对误差没有像我预期的那样随时间增加呢？因此，我猜它是使用t=9的“真实数据”t（degc）来预测t=10。我如何改变这一点，并从数据集中拆分标签，而只使用其他特征和以前的预测。我不想让你为我编写代码，但我想这里有关于这类问题的教程/这类模型的名称。我就是找不到，请帮我找到正确的方向。非常感谢。