(And将它们全部绘制在同一图中）。
我一直在关注"天气预报的时间序列预报"代码，在这里找到：
https://keras.io/examples/timeseries/timeseries_weather_forecasting/
文章说：
"上面的训练模型现在能够对验证集中的5组值进行预测。"
它使用下面的代码来获取预测值并绘制它们：

def show_plot(plot_data, delta, title):
    labels = ["History", "True Future", "Model Prediction"]
    marker = [".-", "rx", "go"]
    time_steps = list(range(-(plot_data[0].shape[0]), 0))
    if delta:
        future = delta
    else:
        future = 0

    plt.title(title)
    for i, val in enumerate(plot_data):
        if i:
            plt.plot(future, plot_data[i], marker[i], markersize=10, label=labels[i])
        else:
            plt.plot(time_steps, plot_data[i].flatten(), marker[i], label=labels[i])
    plt.legend()
    plt.xlim([time_steps[0], (future + 5) * 2])
    plt.xlabel("Time-Step")
    plt.show()
    return

for x, y in dataset_val.take(5):
    show_plot(
        [x[0][:, 1].numpy(), y[0].numpy(), model.predict(x)[0]],
        12,
        "Single Step Prediction",
    )

在我的计算机中，为了将序列下采样至1小时......我直接修改了输入数据的频率，并使用"sampling_rate = 1"，而不是使用"sampling_rate = 6"
现在，考虑到模型拟合正确...如果我想获得未来500个间隔的预测，而不是仅5个间隔，我需要修改什么？
dataset_val.take(500)
或者别的什么？
开头的配置还说：

split_fraction = 0.715
train_split = int(split_fraction * int(df.shape[0]))
step = 6
past = 720  
future = 72
learning_rate = 0.001
batch_size = 256
epochs = 10

我现在需要为过去和未来使用什么值（如果我的数据频率为1小时，并且我想预测未来500点？）
未来= 500
past =？（似乎是用于训练的向后时间戳数量）
δ值呢？它固定在12，但似乎是未来的值。