fix: 修复工作目录与步骤名不对应、回归预测虚数报错、模型加载及预处理名称转换问题，重构可视化并修正勾选联动

src/preprocessing/spectral_Preprocessing.py

@@ -11,16 +11,24 @@ def MMS(input_spectrum):
     output_spectrum = MinMaxScaler().fit_transform(input_spectrum)
     return output_spectrum
 
-# 标准化
+# 标准化 (StandardScaler)
 def SS(input_spectrum, save_path=None):
+    """标准化预处理，使用 StandardScaler 拟合并可选保存模型参数。
+    
+    Args:
+        input_spectrum: 输入光谱数据 (numpy array or DataFrame)
+        save_path: scaler模型保存路径。如果提供则保存到该路径（推荐保存到7_Supervised_Model_Training目录）
+    """
     # 初始化 StandardScaler 并拟合数据
     scaler = StandardScaler()
     output_spectrum = scaler.fit_transform(input_spectrum)
 
-    # 如果指定了保存路径，保存 scaler 对象
+    # 如果指定了保存路径，保存 scaler 对象（用于后续预测时加载）
     if save_path:
+        import os
+        os.makedirs(os.path.dirname(save_path), exist_ok=True)
         joblib.dump(scaler, save_path)
-        print(f"Scaler parameters saved to {save_path}")
+        print(f"SS Scaler parameters saved to: {save_path}")
 
     return output_spectrum
 
@@ -124,7 +132,14 @@ def wave(input_spectrum):
     return output_spectrum
 
 # 通用预处理函数
-def Preprocessing(method, input_spectrum):
+def Preprocessing(method, input_spectrum, save_path=None):
+    """通用预处理函数
+    
+    Args:
+        method: 预处理方法名称
+        input_spectrum: 输入光谱数据
+        save_path: 可选的模型保存路径（仅SS方法使用，保存到7_Supervised_Model_Training目录）
+    """
     if isinstance(input_spectrum, np.ndarray):
         input_spectrum = pd.DataFrame(input_spectrum)
     if method == "None":
@@ -132,7 +147,11 @@ def Preprocessing(method, input_spectrum):
     elif method == 'MMS':
         output_spectrum = MMS(input_spectrum.values)
     elif method == 'SS':
-        output_spectrum = SS(input_spectrum.values, r'E:\code\WQ\models/scaler_params.pkl')
+        # SS预处理模型保存到工作目录的7_Supervised_Model_Training/scaler_params.pkl
+        # 如果调用者没有提供save_path，则使用默认路径
+        if not save_path:
+            save_path = r'E:\code\WQ\models\scaler_params.pkl'
+        output_spectrum = SS(input_spectrum.values, save_path)
     elif method == 'CT':
         output_spectrum = CT(input_spectrum.values)
     elif method == 'SNV':