SOP: Run the external ARA rigo…

# 《基于Transformer的电力负荷短期预测》方法部分六维度审查报告

一、对比模型选择维度

• 检查基线覆盖面：是否同时纳入经典方法（ARIMA、LSTM、GRU）与同代深度模型（TCN、DLinear、PatchTST等近两年模型）。
• 常见问题：仅对比传统模型易被质疑“不公平竞争”；需说明各基线模型是否采用其原论文报告的最优配置。
• 建议：至少包含一个Transformer变体，以隔离“Transformer架构本身”与“改进点”的贡献。

二、实验设置一致性维度

• 数据划分：确认对比模型使用相同的训练/验证/测试划分及时间切分点，避免数据泄漏。
• 输入长度与预测窗口：各模型的输入序列长度是否统一或经过各自调优（应各自调优后再对比）。
• 超参数公平性：基线模型是否做了充分的超参搜索，而非使用默认参数“陪跑”。

三、评价指标维度

• 指标完备性：应同时报告MAE、RMSE、MAPE等，RMSE可反映对极端负荷的捕捉。
• 统计显著性：多次独立实验（不同随机种子）下报告均值±标准差，或做显著性检验；仅单次结果严谨性不足。

四、数据与预处理维度

• 数据集代表性：是否使用公开电力负荷数据集，并说明规模、采样频率（15分钟/小时级）、时间跨度。
• 预处理透明性：归一化方式、缺失值处理、异常值（节假日、极端天气）是否统一处理并明确说明，防止信息泄漏（如用全量数据的均值归一化）。

五、消融实验维度

• 组件消融：若提出改进模块（如注意力改进、特征编码），需逐项消融验证各组件贡献。
• 遗漏风险：缺少消融实验是审稿常见退稿原因。

六、结论可重复性与边界维度

• 复现细节：代码/随机种子是否开源或充分描述。
• 适用边界：应明确讨论模型在不同季节、区域、负荷类型下的局限，避免过度泛化结论。

总结

重点关注：基线是否新旧兼顾、设置是否严格一致、结果是否多次实验统计化、有无消融支撑。补齐以上四点，方法部分严谨性将显著提升。