Tensorflow 如何用新数据预测时间序列预测的张量流模型

我需要帮助使用官方TensorFlow网站上编程的任何模型，使用发布的示例中未找到的数据进行预测

链接：

我尝试使用以下代码预测新数据：

df2 = pd.DataFrame([[-4.71], [-4.38], [-4.02], [-3.49], [-3.30], [-3.34], [-3.07], 
[-2.88], [-2.76], [-2.12], [-2.56], [-2.53],[-3.12], [-3.62], [-3.93], [-4.13], 
[-4.33], [-4.28], [-4.43], [-4.96], [-4.58], [-4.45], [-4.29], [-4.44]], columns = ['T (degC)'])

from sklearn.preprocessing import MinMaxScaler

sc = MinMaxScaler(feature_range = (0,1))
df2 = sc.fit_transform(df2)

X_test = []
X_test = np.array(df2)
X_test = X_test.reshape(24, 1, 1)
predict = multi_lstm_model.predict(X_test)
print(predict)

如果有人能向我解释使用Tensorflow示例模型进行预测的正确方法，我将不胜感激