LSTMでモデルを作成した際、シンプルな方法で予測する範囲を増やしたい

import numpy as np

# tensorflowのライブラリを読み込む
import tensorflow as tf

# 乱数シードを固定する
tf.random.set_seed(1234)

# kerasのライブラリを読み込む
from keras.models import Sequential
from keras.layers import Dense, LSTM, RepeatVector, TimeDistributed

# RMSEを計算するためにsklearnのライブラリを読み込む
from sklearn.metrics import r2_score, mean_squared_error

# 訓練データを用意する
x_train = np.array([
    [1, 4, 7, 10, 13, 16, 19],
    [2, 5, 8, 11, 14, 17, 20],
    [3, 6, 9, 12, 15, 18, 21],
    [4, 7, 10, 13, 16, 19, 22],
    [5, 8, 11, 14, 17, 20, 23],
    [6, 9, 12, 15, 18, 21, 24],
    [7, 10, 13, 16, 19, 22, 25],
    [8, 11, 14, 17, 20, 23, 26]])

# 教師データを用意する
y_train = np.array([
    [22, 25, 28],
    [23, 26, 29],
    [24, 27, 30],
    [25, 28, 31],
    [26, 29, 32],
    [27, 30, 33],
    [28, 31, 34],
    [29, 32, 35]])

# 訓練データと教師データをLSTMで読み込める形式に変換する
x_train = x_train.reshape((x_train.shape[0], x_train.shape[1], 1))
y_train = y_train.reshape((y_train.shape[0], y_train.shape[1], 1))

# モデルを定義する
model = Sequential()

# 隠れ層の数は、10とする
# 活性化関数はreluに設定する
# input_shapeは、1回に入力するデータ＝1行分のデータ、となる
model.add(LSTM(10, activation='relu', input_shape=(x_train.shape[1], x_train.shape[2])))

# 予測数の指定は、RepeatVectorで設定する。1回あたりの教師データの数が予測数となる。
model.add(RepeatVector(y_train.shape[1]))

# RepeatVectorを設定しているので、return_sequences=TrueとTimeDistributedを設定する
model.add(LSTM(10, activation='relu', return_sequences=True))
model.add(TimeDistributed(Dense(1)))

# モデルの情報を表示する
model.summary()

# モデルを作成する
model.compile(optimizer='adam', loss='mean_squared_error')

# モデルを訓練する
model.fit(x_train, y_train, epochs=1000, verbose=1)

# 検証データを用意する
x_test = np.array([12, 15, 18, 21, 24, 27, 30])
x_test = x_test.reshape((1, x_test.shape[0], 1))

# 正解データを用意する
y_test = np.array([33, 36, 39])

# 検証データを用いて予測する
y_predict = model.predict(x_test)

# 予測結果を1次元化する
y_predict = np.ravel(y_predict)

# 予測データを表示する
print(f'予測結果： {y_predict}')

# モデルの精度を評価する
# R2、RMSEを計算する。R2は1.0に、RMSEは0.0に近いほど、モデルの精度は高い
r2_score = r2_score(y_test, y_predict)
rmse = np.sqrt(mean_squared_error(y_test, y_predict))

print(f'r2_score: {r2_score:.4f}')
print(f'rmse: {rmse:.4f}')

予測結果： [32.80152  35.688915 38.342003]
r2_score: 0.9684
rmse: 0.4356

# 予測数の指定は、RepeatVectorで設定する。1回あたりの教師データの数が予測数となる。
model.add(RepeatVector(y_train.shape[1]))

# RepeatVectorを設定しているので、return_sequences=TrueとTimeDistributedを設定する
model.add(LSTM(10, activation='relu', return_sequences=True))
model.add(TimeDistributed(Dense(1)))