先找到规律，再读懂变化。从简单一笔，走向更难的未来。
「下一刻，大概和现在一样。」
「最近的平均，比较稳妥。」
「昨天这个时候，发生了什么？」
默认先玩 8 个教学情境：规则周期 → 早晚双峰 → 缓慢上移 → 天气变化 → 多条情报。前两关先练习还原规律；「昨日同小时」可能完美命中，不必要求自己胜过它。关卡导航可回顾或直接选关，刷新后保留当前进度。
情报中的天气预报、离家安排都是明确标注的模拟设定，曲线按该设定生成。玩家能读情报，三个基线只看历史曲线；这不是同等信息条件下的模型能力评测。完成教学后可进入原有 18 个 UCI 真实数据片段。
每个预测都对照同一组 24 个实际值。平均绝对误差 MAE = 每小时预测与实际差值的绝对值之和 ÷ 24，单位 kW，越小越好。并列显示相同名次；「全胜」需要严格优于全部三个基线。
你的画线会按小时线性插值。每段数据只记录第一次挑战成绩，成绩仅保存在此浏览器。揭晓前的纵轴范围仅由历史值决定。
「日常节律」「波动挑战」「反常时刻」是精选片段分类，用来探索不同情境。它们不是随机抽取的模型评测集，胜率不能代表模型整体能力。
循序闯关使用程序生成的模拟能耗。天气预报、设备与出行安排均为教学设定，不是实际气象记录。情境先按分钟计算，再聚合为小时均值；例如 14:30 的事件只影响 14 点这一小时的后半段。天气情报有不确定性时，揭晓后的复盘会说明设定与实现的差别。
真实挑战使用 UCI Machine Learning Repository 的 Individual Household Electric Power Consumption 数据集。
数据来自法国 Sceaux 的一户家庭。原始数据为分钟级记录，这里使用 Global_active_power 字段（有功功率，单位 kW），聚合为小时平均值。只选用小时记录完整、没有缺失值的连续片段。
CC BY 4.0 许可 · 本项目做了小时聚合与片段筛选。
保持最后值：所有未来小时等于最后一个历史值。6 小时均值：所有未来小时等于最近 6 小时平均值。昨日同小时：重复历史最后 24 小时。
这些是轻量预测基线，没有经过复杂训练。页面中的「模型」指这三种方法。真实挑战的曲线来自历史记录；教学关卡的曲线来自情境模拟。真实数据没有配套天气信息，页面不会为它编造天气原因。