keras+tensorflowの時系列データ将来予測について

Question

前提条件
python3.6+keras+tensorflowの環境で、下記のサイトを参考に複数地点のアメダス雨量データと河川のLSTMを用いた時系列データの深層学習モデルを作成しています。
keraseで多変量LSTM

入力項目が複数で、出力が１つとなります。

質問事項1
LSTMは、「t時間までのデータでt+1時間を予測する」と理解指定良いのか？

質問事項2
学習モデルを作成する段階で、t時間までのデータを使って、t+3とかt+6の先の時間の予測モデルを作成することはできるのか？

できるのならば、下記コードの
データ作成時の次元などを修正すれば良いのか？

# convert an array of values into a dataset matrix
# if you give look_back 3, a part of the array will be like this: Jan, Feb, Mar
def create_dataset(dataset, look_back=1):
    dataX, dataY = [], []
    for i in range(len(dataset)-look_back-1):
        xset = []
        for j in range(dataset.shape[1]):
            a = dataset[i:(i+look_back), j]
            xset.append(a)
        dataY.append(dataset[i + look_back, 0])      
        dataX.append(xset)
    return numpy.array(dataX), numpy.array(dataY)

# reshape into X=t and Y=t+1
look_back = 12
trainX, trainY = create_dataset(train, look_back)
testX, testY = create_dataset(test, look_back)
print(testX.shape)
print(testX[0])
print(testY)

# reshape input to be [samples, time steps(number of variables), features] *convert time series into column
trainX = numpy.reshape(trainX, (trainX.shape[0], trainX.shape[1], trainX.shape[2]))
testX = numpy.reshape(testX, (testX.shape[0], testX.shape[1], testX.shape[2]))

# create and fit the LSTM network
model = Sequential()
model.add(LSTM(4, input_shape=(testX.shape[1], look_back)))	#shape：変数数、遡る時間数
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=1000, batch_size=1, verbose=2)

質問事項3
単変数の場合（株価や飛行機乗客数など多数の例あり）は、将来予測を行う場合、予測値を使って将来予測を行うようですが、多変数の場合は、将来の説明変数がないと将来予測できないものなのでしょうか？

どうにもこうにも煮詰まってしまし、ご教示をお願いします。

Answer 1

2
dataY.append(dataset[i + look_back, 0])
↓
dataY.append(dataset[i + look_back + 3, 0])

Comments

[tys]

なるほど、+3ということはt+3というこですね。
こんな簡単なことなんですね。
ありがとうございました。

[k.brook]

失礼します．私もt時間までのデータを使って，t+3やt+6など先の時間の予測モデルを作成したいと思っているのですが，『dataY.append(dataset[i + look_back + 3, 0])』へ変更することで実行できましたか？