分支树地图：从 1x1 到 m×n

Abstract

当前你已经打通了一个最小例子：

• 1 个模型：DLinear
• 1 个 strategy：rolling_forecast
• 1 个 adapter：transformer_adapter
• 1 个数据文件：ETTh1.csv

这一篇只做一件事：

把这个 1x1 主线扩成 m×n 分支树，明确这个仓库是在哪些层分叉的。

1. 当前最小主线在总树里的位置

当前最小主线可以压成：

ETTh1.csv
-> DLinear
-> transformer_adapter
-> rolling_forecast

它只是整个仓库分支树中的一条具体路径。

2. 总分支树

3. 三个最重要的分叉层

当前最重要的分叉层只有三个：

1. strategy 分叉
2. model 分叉
3. adapter 分叉

这三个分叉不是在同一个函数里发生的。

4. strategy 分叉发生在哪

strategy 分叉发生在：

eval_model(model_factory, series_list, evaluation_config)

更具体地说，是这里：

strategy_class = STRATEGY.get(evaluation_config["strategy_args"]["strategy_name"])

注册表在：

• ts_benchmark/evaluation/strategy/init.py

当前仓库里至少有：

• rolling_forecast
• fixed_forecast

4.1 strategy 分支树

4.2 两条 strategy 的接口差异

共同点：

• 都继承 ForecastingStrategy
• 都通过：
  • strategy.execute(series_name, model_factory)
  • 进入各自的 _execute(...)

不同点：

• rolling_forecast

  • fit 一次
  • 测试区间做 rolling 窗口预测
  • 关键主体：_eval_batch(...)

• fixed_forecast

  • fit 一次
  • 直接对固定 horizon 做一次 forecast
  • 主体更短，不需要 rolling index 和 batch maker

4.3 当前主线落在哪

当前主线走的是：

strategy_name = rolling_forecast
-> RollingForecast
-> _eval_batch(...)

5. model 分叉发生在哪

model 分叉发生在：

get_models(model_config)

更具体地说，是这里：

model_info = get_model_info(model_config)

对应文件：

• ts_benchmark/models/model_loader.py

5.1 model 分支树

5.2 当前仓库里 time_series_library 这一支

对应导出表在：

• ts_benchmark/baselines/time_series_library/init.py

这里能看到一大批模型：

• DLinear
• Informer
• PatchTST
• Autoformer
• FEDformer
• TimesNet
• Transformer
• ...

5.3 当前主线落在哪

当前主线走的是：

model_name = time_series_library.DLinear
-> get_model_info(...)
-> DLinear

6. adapter 分叉发生在哪

adapter 分叉也发生在：

get_model_info(model_config)

更具体地说，是这里：

adapter_name = model_config.get("adapter")
if adapter_name is not None:
    model_info = _import_attribute(ADAPTER[adapter_name])(model_info)

adapter 注册表在：

• ts_benchmark/baselines/init.py

6.1 adapter 分支树

6.2 这几条 adapter 的语义差异

transformer_adapter

• 对接 time_series_library 这批模型
• 当前你已经打通：
  • TransformerAdapter._process(...)
  • DLinear.forward(...)

darts_*_adapter

• 对接 Darts 体系模型
• 更接近：
  • forecast_fit(...)
  • forecast(...)
  • TimeSeries.from_dataframe(...)

6.3 当前主线落在哪

当前主线走的是：

adapter = transformer_adapter
-> TransformerAdapter

7. 哪些分叉已经有图谱，哪些还没有

已经有详细主线图谱

• rolling_forecast
• DLinear
• transformer_adapter

也就是你当前走通的这一条：

DLinear + transformer_adapter + rolling_forecast

还没有细致图谱，但已经能定位

• fixed_forecast
• Informer
• PatchTST
• darts_*_adapter

也就是说：

现在你缺的不是“它们在哪分叉”，而是“每条分叉内部怎么继续展开”。

8. 之后最合理的扩展顺序

如果按性价比排序，最值得的扩展顺序是：

8.1 先扩模型分支

从：

• DLinear

扩到：

• Informer

原因：

• strategy 和 adapter 都先保持不变
• 只换模型
• 这样你能看清：
  • 哪些是框架固定部分
  • 哪些是模型内部变化部分

最推荐的新路径是：

ETTh1.csv
-> Informer
-> transformer_adapter
-> rolling_forecast

8.2 再扩 strategy 分支

从：

• rolling_forecast

扩到：

• fixed_forecast

原因：

• 模型先保持 DLinear
• adapter 也保持 transformer_adapter
• 这样只换 strategy

最推荐的新路径是：

ETTh1.csv
-> DLinear
-> transformer_adapter
-> fixed_forecast

8.3 最后再扩 adapter 分支

从：

• transformer_adapter

扩到：

• darts_*_adapter

原因：

• 这一层变化最大
• 需要同时理解不同模型生态的接口习惯

9. 当前最应该继续画哪棵子树

现在最值得继续补的，不是新的总图，而是下面这棵：

因为：

• 你已经有了 DLinear 的完整坐标
• 只差一个第二模型，来建立“框架固定 / 模型变化”的对照能力

10. 最后压成一句

当前这套文档已经把 1x1 最小主线打通；下一步最合理的扩展不是继续深挖局部，而是沿着“模型 / strategy / adapter”三棵分支树，逐步把 1x1 扩成 m×n。