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
冰糖猕猴桃23 分钟前
【AI】把“大杂烩抽取”拆成多步推理：一个从单提示到多阶段管线的实践案例PPIO派欧云24 分钟前
PPIO上线GLM-OCR：0.9B参数SOTA性能，支持一键部署雨大王51236 分钟前
怎么打造一个能自我进化的制造数字基座？fengfuyao98542 分钟前
基于MATLAB的表面织构油润滑轴承故障频率提取（改进VMD算法）爱吃泡芙的小白白1 小时前
深入解析CNN中的Dropout层：从基础原理到最新变体实战Eloudy1 小时前
全文 -- TileLang: A Composable Tiled Programming Model for AISystems才盛智能科技1 小时前
K链通×才盛云：自助KTV品牌从0到1孵化超简单广州赛远1 小时前
IRB2600-201.65特殊机器人防护服清洗工具详解与避坑指南Eloudy1 小时前
直接法 读书笔记 01 第1章 引言xsc-xyc2 小时前
RuntimeError: Dataset ‘/data.yaml‘ error ❌ ‘_lz