1.在TASK3中虽然给出了时间序列挖掘加融合模型的方法预测price，但是并不能识别到负电价的情况。查看TASK3给出的代码的预测结果可以发现模型几乎不会预测出负数，这和实际情况是有差别的。
2.爬取天气信息
可以发现温度的变化也会影响price的变化
利用这些信息可以进一步提升模型的效果
相关推荐
Jamence5 分钟前
多模态大语言模型arxiv论文略读（110）袁庭新21 分钟前
使用扣子+飞书+DeepSeek搭建批量提取公众号文章内容并改写的智能体黑心萝卜三条杠35 分钟前
解码微生物适应性的关键：基因组序列与栖息地预测的深度关联黑心萝卜三条杠1 小时前
Everywhere Attack：通过多目标植入提升对抗样本的目标迁移性livemetee1 小时前
一个完整的日志收集方案:Elasticsearch + Logstash + Kibana+Filebeat (二)carpell1 小时前
【语义分割专栏】3：Segnet原理篇TDengine （老段）1 小时前
TDengine 开发指南——无模式写入ahead~2 小时前
【大模型原理与技术-毛玉仁】第五章 模型编辑迪娜学姐2 小时前
GenSpark vs Manus实测对比：文献综述与学术PPT，哪家强？TDengine （老段）2 小时前
TDengine 在电力行业如何使用 AI ?