时序数据建模分析已经有很多相关的应用了，在这个领域里面LSTM网络绝对是占据着非常重要的作用，自从LSTM网络提出以来，陆陆续续又出现了很多相关的变种网络，传统的时序建模工作主要是基于一个指定的时序数据集进行模型的构建与预测分析的，但是在实际的工程使用中会有一种特殊的情况就是：我们通过实验所采集到的数据集往往不是绝对连续的而是多“片段”的。
何为 “片段”？以我之前的时序建模相关的文章来讲，诸如：气象数据预测、风力发电数据预测等等，都是具有一定数据规模的数据进行时序预测模型的构建，整个数据集是一个连续的时序序列数据，这一类型的数据也是相对比较好采集或者是获取到的，因为网上相关的数据开源的也很多，拿到历史过去一段时间的数据就可以用来很方便地构建模型了，但是对于某些特定领域内的应用，比如：想要实际测量或者预测某一款电视机的使用寿命、想要计算分析或者预测分析某一个机器零部件的耐温性等等，我们不可能说可以得到这些任务中完整连续的时序序列数据，因为，他们大都是实验， 在实际的应用中我们会进行多次的实验来获取到监测的状态数据，比如对于机器零部件我们进行了100次实验，那么在每一次的实验中，我们监测采集到的数据集片段都是连续的，但是由于相邻两次实验间隔时间的不同，导致整体的数据集并不是一个连续的时序序列，这就导致我们不能像连续时序序列数据建模一样来对待当前片段的数据。
这里主要以实际的项目数据来实践如何对于“片段”的数据集进行建模。
片段数据集截图如下：
