tensorflow.keras训练模型预测问题

请问在使用tensorflow.keras训练模型预测时val_loss变化非常奇怪
loss是正常下降，但val_loss一开始就很低，而且一直震荡
如下图

img

最后预测结果也很差，如下图

img

我训练的模型如下
Xtrain.shape, Xtest.shape, Ytrain.shape, Ytest.shape为(2036, 60, 6) (400, 60, 6) (2036, 60, 6) (400, 60, 6)

model = keras.models.Sequential()
model.add(keras.layers.LSTM(40, input_shape=(Xtrain.shape[1:]), return_sequences=True, ))
model.add(keras.layers.Dropout(0.1))
model.add(keras.layers.LSTM(30, return_sequences=True))  # model.add(keras.layers.Dropout(0.5))
model.add(keras.layers.Dropout(0.1))
model.add(keras.layers.LSTM(40, return_sequences=True))
model.add(keras.layers.Dropout(0.1))
model.add(keras.layers.LSTM(40, return_sequences=True))
model.add(keras.layers.BatchNormalization())  # 批标准化：对一小批数据（batch）做标准化处理（使数据符合均值为0，标准差为1分布）
model.add(keras.layers.TimeDistributed(keras.layers.Dense(Ytrain.shape[2])))
model.compile(optimizer=keras.optimizers.Adam(lr=0.0001, amsgrad=True), loss='mse')  # mae: mean_absolute_error
model.summary()
history = model.fit(
        Xtrain, Ytrain,
        validation_data=(Xtest, Ytest),
        batch_size=32,
        epochs=30,
        verbose=1)

预测部分代码如下

predict = model.predict(Xtest)
predict = scalar.inverse_transform(predict[0])
Ytesting = scalar.inverse_transform(Ytest[0])
for i in range(6):
    plt.subplot(2, 3, i + 1)
    plt.plot(predict[:, i], color='blue')
    plt.plot(Ytesting[:, i], color='red')
plt.show()

请问是模型结构问题还是模型参数问题啊，亦或者训练模型的数据集有问题啊

这种情况可能是由于模型在训练过程中出现了过拟合的现象。过拟合通常是指模型在训练集上表现很好，但在测试集上表现不佳的情况。在训练过程中，模型过度适应了训练集的噪声和特定的样本，从而导致了 val_loss 震荡。

要解决这个问题，可以尝试以下几种方法：

增加训练数据量：通过增加训练数据量，可以减少模型的过拟合现象。

添加正则化项：在模型中添加正则化项，如 L1 或 L2 正则化，可以限制模型的复杂度，减少过拟合现象。

使用早期停止技术：在训练过程中，可以通过监控验证集上的 loss 值来确定模型是否开始出现过拟合。一旦发现过拟合现象，就可以通过早期停止来防止模型继续训练。

减小模型复杂度：通过减小模型的复杂度，如减少层数、神经元数等，可以降低过拟合现象的发生概率。

希望以上方法可以帮助您解决问题。