在时间序列预测流程中，通常包含以下几个关键部分：
- 数据集 (Dataset)：定义读取数据集和生成样本的方式。（位于
basicts.data） - 数据缩放 (Scaler)：处理数据的归一化与反归一化操作，如 Z-score 和 Min-Max 归一化等方法。（位于
basicts.scaler） - 评估指标 (Metrics)：定义模型评估的指标和损失函数，包括 MAE、MSE、MAPE、RMSE 和 WAPE 等。（位于
basicts.metrics） - 执行器 (Runner)：作为 BasicTS 的核心模块，负责协调整个训练过程。执行器集成了数据集、数据缩放、模型架构和评估指标等组件，提供了多种功能支持，如多 GPU 训练、分布式训练、日志记录、模型自动保存、课程学习、梯度裁剪等。（位于
basicts.runner） - 模型结构 (Model)：定义模型架构及其前向传播过程。
BasicTS 提供了完整且可扩展的组件，用户只需提供模型结构，即可完成大部分任务。
为了简化训练策略配置并方便对比，BasicTS 遵循 一切基于配置 的设计理念：所有选项都集成在配置文件中，用户只需修改配置文件即可轻松设置模型、数据集、归一化方法、评估指标、优化器、学习率和其他超参数——像填写表单一样简单。
例如，通过设置 CFG.TRAIN.EARLY_STOPPING_PATIENCE = 10 就可以启用提前停止机制，并设置耐心值为 10。