echarts 富文本和词云兼容以及词云显示不全问题

小静仔 2018-10-30 09:31:37
今天在使用echarts的富文本标签时,发现一直没有效果,后面发现是版本问题,富文本标签是echarts3.7之后才支持的。所以将echarts的版本改成了3.7之后,但是发现词云没有颜色了,字体都是黑色的,再次百度,发现echarts-cloud最多支持到3.6,之后会颜色失效。怎么能够解决这个问题呢?


另外,有一个问题就是词云显示不全的问题了,只要将词云的width和height设置大,或者设置小一点的字号,其他数据就会出来了,但是遇到数据量大的时候,觉得不能这样子解决。有没有其他解决方式。



心塞。。。

求解决方法
...全文
1350 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
小静仔 2019-01-24
  • 打赏
  • 举报
回复
引用 2 楼 weixin_40455520 的回复:
加上这个配置:drawOutOfBound:true,超出画布的部分也显示,不隐藏
在词云中将drawOutOfBound属性设置为了true,但并不起作用呢
weixin_40455520 2019-01-18
  • 打赏
  • 举报
回复
加上这个配置:drawOutOfBound:true,超出画布的部分也显示,不隐藏
小静仔 2018-10-31
  • 打赏
  • 举报
回复
求大牛指导
【多变量输入超前多步预测】基于CNN-BiLSTM的光伏功率预测研究(Matlab代码实现)内容概要:本文介绍了基于CNN-BiLSTM模型的多变量输入超前多步光伏功率预测方法,并提供了Matlab代码实现。该研究结合卷积神经网络(CNN)强大的特征提取能力与双向长短期记忆网络(BiLSTM)对时间序列前后依赖关系的捕捉能力,构建了一个高效的深度学习预测模型。模型输入包含多个影响光伏发电的气象与环境变量,能够实现对未来多个时间步长的光伏功率进行精确预测,适用于复杂多变的实际应用场景。文中详细阐述了数据预处理、模型结构设计、训练流程及实验验证过程,展示了该方法相较于传统模型在预测精度和稳定性方面的优势。; 适合人群:具备一定机器学习和深度学习基础,熟悉Matlab编程,从事新能源预测、电力系统分析或相关领域研究的研发人员与高校研究生。; 使用场景及目标:①应用于光伏电站功率预测系统,提升电网调度的准确性与稳定性;②为可再生能源并网管理、能量存储规划及电力市场交易提供可靠的数据支持;③作为深度学习在时间序列多步预测中的典型案例,用于科研复现与教学参考。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注数据归一化、CNN特征提取层设计、BiLSTM时序建模及多步预测策略的实现细节,同时可尝试引入更多外部变量或优化网络结构以进一步提升预测性能。

87,995

社区成员

发帖
与我相关
我的任务
社区描述
Web 开发 JavaScript
社区管理员
  • JavaScript
  • 无·法
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧