先讲预测任务
T02 风机 10 分钟分辨率风速序列,使用过去 144 步预测未来 24 步,也就是过去 24 小时预测未来 4 小时。
Paper Figure Desk
这一页提供适合论文正文和答辩材料使用的二维框架图。它不追求炫酷交互, 重点是把 Raw、A组、B组、C组、无未来信息泄漏、LSTM/Transformer 和评价流程讲清楚。
Figure Reading
T02 风机 10 分钟分辨率风速序列,使用过去 144 步预测未来 24 步,也就是过去 24 小时预测未来 4 小时。
Raw 是不分解基线;A组只输入分解分量;B组输入分解分量和原始风速;C组逐分量预测后重构求和,四组不能混在一起汇报。
WT、EMD、SSA、VMD 只对每个样本的历史输入窗口做分解,不能用完整序列提前分解。
Paper Caption
图 X 展示了本文风速预测实验的整体流程。针对 T02 风机风速序列,本文构造长度为 144 的历史输入窗口, 并预测未来 24 个时间步。实验分为 Raw 基线、A组纯分解输入、B组分解加原始风速输入和 C组分量预测重构四类, 分别与 LSTM 和 Transformer 预测模型结合。为避免未来信息泄漏,A/B 组信号分解仅在每个历史输入窗口内执行, C 组使用因果分量序列进行逐分量预测,预测标签不参与输入分解过程。
Export Command
E:\Conda\envs_dirs\wind_forecast\python.exe scripts\11_export_paper_figures.py
这条命令会生成 website/assets/figures/paper_model_framework.png,
输出尺寸为 3600×2100,DPI 为 300,适合插入 Word、PPT 或论文 PDF。
Role Split
论文图版用于正文和 PPT,3D 结构页用于网站互动展示,Netron 严谨结构页用于证明 LSTM/Transformer 结构来自真实代码导出。