时序预测任务失败，一般主要是由于时间列格式错误或配置错误导致的，您可以参照如下内容检测您的数据或配置是否正确：
时间列要求
在创建时序预测任务时，所使用的数据集的时间列应满足如下格式，否则会造成训练任务失败：
- yyyy-MM-dd HH:mm:ss
- yyyy/MM/dd HH:mm:ss
- yyyy.MM.dd HH:mm:ss
- dd-MM-yyyy HH:mm:ss
- dd/MM/yyyy HH:mm:ss
- dd.MM.yyyy HH:mm:ss
- yyyy-MM-dd
- yyyy/MM/dd
- yyyy.MM.dd
- dd-MM-yyyy
- dd/MM/yyyy
- dd.MM.yyyy
- HH:mm:ss
时间间隔
选择时间列与目标列后，系统会根据数据的前100行去推断时间间隔，但是难免会推断错误。
预处理阶段会根据选择的时间间隔对数据进行重新采样，若选择了过大的时间间隔，降采样会导致数据过短。反之，过小的时间间隔会导致数据分布异常，合理的选择时间间隔是保证预测质量的重要环节之一。
时间序列长度
时序预测通常会采用历史的一段时间的数据作为特征，因此数据长度必须满足一定要求才能保证有足够的训练与评估样本。
当时序数据为分组数据时，每个分组会作为一个单独的时间序列，因此需要保证每个分组的时间序列足够长。
另外选取了不适当的时间间隔，降采样后也会导致数据量不够的情况。
分组字段
为了确保每个时间列有充分的数据，限制了平均每个分组至少包含20条数据，若数据中存在大量超短时序数据，请您提前做好筛选。
窗口长度与预测长度
时序模型的输入为窗口长度中的各个特征，输出为预测长度的目标列。因此当数据中的时间序列较短的时候，请您合理地降低窗口长度和预测长度，有助于模型有充足的样本进行预测。
