Update 02-forecast.md

docs/zh/06-advanced/06-TDgpt/06-dev/02-forecast.md

@@ -36,6 +36,7 @@ return {
 import numpy as np
 from taosanalytics.service import AbstractForecastService
 
+
 # 算法实现类名称 需要以下划线 "_" 开始，并以 Service 结束
 class _MyForecastService(AbstractForecastService):
     """ 定义类，从 AbstractForecastService 继承并实现其定义的抽象方法 execute  """
@@ -56,7 +57,7 @@ class _MyForecastService(AbstractForecastService):
 
         """这个预测算法固定返回 1 作为预测值，预测值的数量是用户通过 self.fc_rows 指定"""
         ts_list = [self.start_ts + i * self.time_step for i in range(self.fc_rows)]
-        res.app(ts_list)  #  设置预测结果时间戳列
+        res.append(ts_list)  # 设置预测结果时间戳列
 
         """生成全部为 1 的预测结果 """
         res_list = [1] * self.fc_rows
@@ -70,12 +71,12 @@ class _MyForecastService(AbstractForecastService):
             res.append(bound_list)  # 预测结果执行区间上界
 
         """返回结果"""
-        return { "res": res, "mse": 0}
-
+        return {"res": res, "mse": 0}
 
     def set_params(self, params):
-	"""该算法无需任何输入参数，直接重载父类该函数，不处理算法参数设置逻辑"""
-        pass
+        """该算法无需任何输入参数，直接调用父类函数，不处理算法参数设置逻辑"""
+        return super().set_params(params)
+
 ```
 
 将该文件保存在 `./taosanalytics/algo/fc/` 目录下，然后重启 taosanode 服务。在 TDengine 命令行接口中执行 `SHOW ANODES FULL` 能够看到新加入的算法。应用就可以通过 SQL 语句调用该预测算法。