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
KaneLogger1 小时前
【Agent】openclaw + opencode 打造助手 安装篇知识浅谈3 小时前
一步步带你把 OpenClaw 玩宕机（附云服务器避坑部署教程）冬奇Lab3 小时前
OpenClaw 深度解析（四）：插件 SDK 与扩展开发机制IT_陈寒4 小时前
SpringBoot实战：5个让你的API性能翻倍的隐藏技巧机器之心4 小时前
让AI自我进化？斯坦福华人博士答辩视频火了，庞若鸣参与评审iceiceiceice5 小时前
iOS PDF阅读器段评实现：如何从 PDFSelection 精准还原一个自然段AI攻城狮5 小时前
RAG Chunking 为什么这么难？5 大挑战 + 最佳实践指南yiyu07166 小时前
3分钟搞懂深度学习AI：梯度下降：迷雾中的下山路掘金安东尼6 小时前
玩转龙虾🦞，openclaw 核心命令行收藏（持续更新）v2026.3.2