了解这方面的同志应该都知道，数值预测最常见的问题是滞后性问题，有什么比较好的办法缓解这一问题？
预测数据滞后于真实数据几乎是多步时间序列预测中必然会面临的挑战，消除很难，只能尽量缓解：1.加特征例如在预测第10个时间步x10的时候，可以把其对应的前几天中历史观测数据的平均值x_mean加入模型中，如果前几天也有类似的变化趋势，那么模型自然就“学习”到了
2.尝试预测时间t和t-1处值的差异，而不是直接预测t时刻的值
3.将样本数据差分到平稳后再对差分后的数据进行预测（类似ARIMA的思想）