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
bug菌20 小时前
边缘新生：openEuler 轻量化基座与云边协同全景实践！oil欧哟20 小时前
Agent 设计与上下文工程- 02 Workflow 设计模式（上）Lx35220 小时前
Flink Table API与SQL的最佳实践司马阅-SmartRead20 小时前
司马阅与铨亿科技达成生态战略合作，AI赋能工业领域智能化转型uuukashiro21 小时前
大数据计算引擎选型指南：腾讯云数据湖计算DLC领跑2025市场Arenaschi21 小时前
AI对未来游戏模式与游戏开发的助力康语智能21 小时前
小康AI家庭医生：以科技之翼，守陪伴之初心国际云，接待21 小时前
出海东南亚无忧：腾讯云如何凭借本地合作与全球节点，保障游戏和电商业务合规流畅？RFID舜识物联网21 小时前
NFC与RFID防伪标签：构筑产品信任的科技防线IT_陈寒1 天前
Redis 7个性能优化技巧，让我们的QPS从5k提升到20k+