折线图修改，首页文本修改

app.json

@@ -53,13 +53,13 @@
       },
       {
         "pagePath": "pages/Visualization/Visualization",
-        "text": "返酸模型数据管理",
+        "text": "反酸数据管理",
         "iconPath": "/assets/taddar/模型数据管理 (1).png",
         "selectedIconPath": "/assets/taddar/模型数据管理 (2).png"
       },
       {
         "pagePath": "pages/Visualizatio/Visualizatio",
-        "text": "降酸模型数据管理",
+        "text": "降酸数据管理",
         "iconPath": "/assets/taddar/模型数据管理 (3).png",
         "selectedIconPath": "/assets/taddar/模型数据管理 (4).png"
       },

shoping/Overview/Overview.wxml

@@ -1,3 +1,12 @@
 <view class="green-box">
   <text class="title-en">项目简介</text>
+</view>
+<view class="container">
+  <view class="section">
+    <text class="content">强酸性旱地土壤酸化机制及模型定量解析（Quantitative Analysis of Acid Reflux Mechanism and Model of Strongly Acidic Dryland Soil）
+
+在农业和环境科学领域，了解并治理强酸性旱地土壤是一个重要的挑战。长期的耕作、不当的施肥习惯以及自然条件变化都可能导致土壤酸化，影响作物生长和生态系统的健康。为了有效应对这一问题，必须深入理解土壤酸化及其逆转过程——即反酸现象，并建立精确的预测与优化模型。
+
+本项目通过系统研究强酸性旱地土壤中的反酸机制，开发一套“精准降酸模型”以调整土壤pH值至适宜水平，并构建“土壤反酸过程的预测与优化模型”，用于预估未来的土壤酸化趋势及优化生石灰等碱性物质的施用量。两个模型共同作用形成一个闭环管理系统，确保土壤pH值能够长期稳定在理想范围内，促进农业可持续发展。</text>
+  </view>
 </view>

shoping/Overview/Overview.wxss

@@ -1,3 +1,30 @@
+/* 父容器样式 */
+.container {
+  padding: 15px;
+  background-color: #f4f4f4;
+  display: block;
+}
+
+/* 标题样式 */
+.title {
+  font-size: 22px;
+  font-weight: bold;
+}
+
+.content {
+  font-size: 16px;
+}
+
+/* 使每个段落独立 */
+.content {
+  text-indent: 2em;  /* 段落首行缩进 */
+}
+
+.navigat-arrow {
+  padding: 10px;
+  width: 700rpx;  /* 设置图片的大小 */
+  height: 400rpx;  /* 设置图片的大小 */
+}
 /* 页面整体背景 */
 .green-box {
   background-color: #4caf50; /* 绿色背景 */

shoping/Soil Acid Reduction Iterative Evolution/Soil Acid Reduction Iterative Evolution.js

@@ -96,8 +96,8 @@ function getInitScatterOption() {
       data: ['True vs Predicted']
     },
     grid: {
-      left: '3%',
-      right: '4%',
+      left: '4%',
+      right: '22%',
       bottom: '3%',
       containLabel: true
     },
@@ -176,8 +176,8 @@ function getMidScatterOption() {
       data: ['True vs Predicted']
     },
     grid: {
-      left: '3%',
-      right: '4%',
+      left: '4%',
+      right: '22%',
       bottom: '3%',
       containLabel: true
     },
@@ -261,8 +261,8 @@ function getFinalScatterOption() {
       data: ['True vs Predicted']
     },
     grid: {
-      left: '3%',
-      right: '4%',
+      left: '4%',
+      right: '22%',
       bottom: '3%',
       containLabel: true
     },
@@ -318,16 +318,18 @@ function getLineOption() {
     },
     grid: {
       left: '3%',
-      right: '4%',
+      right: '17%',
       bottom: '3%',
       containLabel: true
     },
     xAxis: {
+      name: '模型迭代',
       type: 'category',
       boundaryGap: false,
-      data: ['10%', '20%', '30%', '40%', '50%', '60%', '70%', '80%', '90%', '100%']  // train_sizes按10%递增
+      data: ['1代','2代','3代','4代','5代','6代','7代','8代','9代']  // train_sizes按10%递增
     },
     yAxis: {
+      name: 'Score (R^2)',
       type: 'value'
     },
     series: [

shoping/Soil Acidification Iterative Evolution/Soil Acidification Iterative Evolution.js

@@ -103,7 +103,7 @@ function getInitScatterOption() {
     },
     grid: {
       left: '3%',
-      right: '4%',
+      right: '22%',
       bottom: '3%',
       containLabel: true
     },
@@ -188,7 +188,7 @@ function getMidScatterOption() {
     },
     grid: {
       left: '3%',
-      right: '4%',
+      right: '22%',
       bottom: '3%',
       containLabel: true
     },
@@ -278,7 +278,7 @@ function getFinalScatterOption() {
     },
     grid: {
       left: '3%',
-      right: '4%',
+      right: '22%',
       bottom: '3%',
       containLabel: true
     },
@@ -332,16 +332,18 @@ function getLineOption() {
     },
     grid: {
       left: '3%',
-      right: '4%',
+      right: '17%',
       bottom: '3%',
       containLabel: true
     },
     xAxis: {
+      name: '模型迭代',
       type: 'category',
       boundaryGap: false,
-      data: ['10%', '20%', '30%', '40%', '50%', '60%', '70%', '80%', '90%', '100%']  // train_sizes按10%递增
+      data: ['1代','2代','3代','4代','5代','6代','7代','8代','9代']  // train_sizes按10%递增
     },
     yAxis: {
+      name: 'Score (R^2)',
       type: 'value'
     },
     series: [

shoping/SoilPro/SoilPro.wxml

@@ -1,49 +1,35 @@
 <view class="green-box">
-  <text class="title-en">算法模型计算及优化软件简介</text>
+  <text class="title-en">土壤酸化模型计算软件简介</text>
 </view>
 
 <view class="container">
   <view class="section">
-    <text class="sub-title">⼴东省⽣态环境与⼟壤研究所</text>
-    <text class="content">依托</text>
-    <text class="sub-title">国家⾃然科学基⾦重点项⽬</text>
-    <text class="content">⽀持，开发了</text>
-    <text class="sub-title">算法模型计算及优化</text>
+    <text class="sub-title">广东省生态环境与土壤研究所</text>
+    <text class="content">开发了</text>
+    <text class="sub-title">土壤酸化模型计算</text>
     <text class="content">软件。该软件集成了</text>
     <text class="sub-title">反酸模型</text> 和 
     <text class="sub-title">降酸模型,</text>
     <text class="content">以科学化、智能化的⽅式提供⼟壤酸性调控解决⽅案，同时通过模型迭代优化不断提升预测精度。以下为软件的综述性简介：</text>
     <text class="sub-title">\n1. 软件功能概述</text>
-    <text class="content">反酸模型：输入土壤理化指标（如粘粒、交换性铝、有机质、游离氧化铝等），预测土壤反酸后的 pH 值变化。</text>
-    <text class="content">降酸模型：根据土壤 pH 和目标值，计算不同碱性物料（如石灰石粉、生石灰等）的施用量。</text>
+    <text class="content"><text class="sub-title">\n反酸模型：</text>输入关键土壤理化指标（如土壤粘粒、交换性铝离子、有机质、游离氧化铝等），精准预测土壤反酸后的pH值变化。</text>
+    <text class="content"><text class="sub-title">\n降酸模型:</text> 根据土壤起始pH和目标pH值，以及相关理化指标，计算生石灰的施用量。</text>
 
     <text class="sub-title">\n2. 核心技术特点</text>
-    <text class="content">迭代进化模型，反酸模型与降酸模型通过数据驱动实现迭代优化：</text>
-    <text class="content">\n1. 初始模型训练：使用小规模的初始数据集训练初始模型 Aa，获得初步预测能力，准确度为 Ka。</text>
-    <text class="content">\n2. 新数据迭代优化：当新数据集加入后，模型 Aa 更新为 Ab，准确度提升至 Kb。</text>
-    <text class="content">\n3. 长期优化与路线图：随着数据量的不断积累，模型通过多轮迭代进化逐步完善，可绘制性能提升的可视化路线图，展示准确度提升的动态过程。</text>
-
+    <text class="content"><text class="sub-title">\n迭代进化模型</text>\n反酸模型与降酸模型通过数据驱动实现迭代优化：</text>
     <text class="sub-title">\n机器学习赋能</text>
-    <text class="content">\n使用算法（如随机森林、XGBoost）挖掘理化指标与 pH 变化的复杂关系。</text>
-
-    <text class="sub-title">\n动态数据支持</text>
-    <text class="content">\n模型支持多种数据类型的输入，结合实验室数据和田间采样，逐步扩展模型的适用范围。</text>
+    <text class="content">\n运用机器学习算法，挖掘土壤理化指标与pH变化的复杂关系。</text>
 
     <text class="sub-title">\n3. 应用场景</text>
-    <text class="content">农业管理：为农户和农业技术人员提供优化土壤酸性治理的科学依据，提升作物产量与品质。</text>
-    <text class="content">生态修复：支持酸性土壤生态修复的决策与方案优化，助力退化土地的恢复与改良。</text>
-    <text class="content">科学研究：为土壤学者和研究机构提供高效、便捷的土壤酸性调控工具，助力科研进展。</text>
+    <text class="content">\n农业管理：为农户和农业技术人员提供优化土壤酸性治理的科学依据，提升作物产量与品质。</text>
+    <text class="content">\n生态修复：支持酸性土壤生态修复的决策与方案优化，助力退化土地的恢复与改良。</text>
+    <text class="content">\n科学研究：为土壤学者和研究机构提供高效、便捷的土壤酸性调控工具，助力科研进展。</text>
 
     <text class="sub-title">\n4. 使用优势</text>
-    <text class="content">精准性：基于高质量数据和模型优化，预测结果具备科学性与实践指导价值。</text>
-    <text class="content">可视化路线图：提供模型进化路线图和性能提升的可视化展示，让用户清晰了解模型迭代优化过程和效果。</text>
-
-    <text class="sub-title">\n5. 项目意义</text>
-    <text class="content">算法模型计算及优化软件是国家自然科学基金重点项目的创新成果，系统集成了反酸与降酸模型，采用数据驱动的方式动态优化，为土壤酸性调控提供精准、高效的解决方案。模型的迭代进化及可视化性能展示，不仅提升了科学研究的深度，也为农业和生态保护的实际应用提供了强有力支持。</text>
+    <text class="content">\n精准性：基于高质量数据和模型优化，预测结果具备科学性与实践指导价值。</text>
+    <text class="content">\n可视化路线图：提供模型进化路线图和性能提升的可视化展示，让用户清晰了解模型迭代优化过程和效果。</text>
   </view>
 </view>
-
 <view class="container">
   <text class="title-e">广东省生态环境与土壤研究所期待与社会各界共同努力，为土壤科学技术进步和生态文明建设作出积极贡献！</text>
-</view>
-
+</view>