(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111244293.4 (22)申请日 2021.10.26 (71)申请人 北京工业大 学 地址 100124 北京市朝阳区平乐园10 0号 (72)发明人 闫健卓　徐天宇　于涌川　 (74)专利代理 机构 北京思海天达知识产权代理 有限公司 1 1203 代理人 沈波 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于特征工程与TabNet网络的降雨预 测方法 (57)摘要 本发明公开了一种基于特征工程与TabNet 网络的降雨预测方法， 利用特征工程方法合成新 的气象特征与统计特征， 通过TabNet网络构建预 测模型的降雨预测方法。 本发明使用特征工程方 法缓解极端降雨与季节型降雨的不确定性， 使用 结合了神经网络与集成树优点的TabNet网络增 加预测的准确率。 该方法主要分为4个过程。 1)将 气象数据分为雨季数据集， 非雨季数据集； 2)使 用特征工程方法生成统计特征， 新特征； 3)生成 预训练模型； 4)将新数据集与预训练参数放入 TabNet网络生成最终模型； 5)收集 当天的气象数 据， 使用特征工程方法进行变换， 输入进该发明 的模型得到当天具体降雨 量。 权利要求书2页 说明书3页 附图2页 CN 114021789 A 2022.02.08 CN 114021789 A 1.一种基于特征工程与TabNet网络的降雨预测方法， 其特征在于： 该方法包括如下步 骤， 步骤1、 数据预处 理 使用Python观察降雨数据集的分布， 发现数据分布在雨季和 非雨季有明显的不同， 为 了使模型 更好的学习降雨 量的季节特性， 将气象数据分为 雨季数据集， 非雨季 数据集； 步骤2、 特 征工程 根据步骤1的处理， 使用特征工程方法对降雨数据集和非降雨数据集生成统计特征， 使 TabNet降雨模型能够学习降雨的周信息、 月信息， 缓解季节降雨的不确定性， 使用特征工程 方法构建PWV特 征， 缓解极端降雨的不确定性； 步骤3、 训练TabNet降雨模型 将处理好 的样本输入到TabNet降雨模型当中进行训练， TabNet降雨模型由Attentive   Transformer模 块和Feature  transformer模 块组成的， Feature  transforme模块的作用是 特征计算， A ttentive Transformer模块的作用是计算特 征重要性， 完成特 征选择； 步骤4、 预测结果 实时收集当天的气象数据， 使用特征工程方法对当天的气象数据进行变换， 然后将其 输入训练好的TabNet降雨模型中， 最终 实现降雨 量的预测。 2.根据权利要求1所述的一种基于特征工程与TabNet网络的降雨预测方法， 其特征在 于： 构建统计特 征来帮助模型 学习季节降雨信息； 构建每个省市的平均降雨量和标准偏差； 构造每个月的降雨量的平均值和标准偏差； 得到每个省和每个月的平均降雨量， 从而捕获区域和月份的变化信息， 进而了解季节降雨 的变化； 建立降雨与气象站之间的关系， 并计算过去7天每 个站点的平均降雨 量。 3.根据权利要求1所述的一种基于特征工程与TabNet网络的降雨预测方法， 其特征在 于： 通过构建新特 征来帮助模型 学习极端降雨信息； PWV用于量化对流层中的水蒸气含量， 以使测量更加准确； PWV是指在从地面到大气顶 部的单位横截面的空气柱中， 水蒸气 凝结成雨而 形成的降水量； PWV在降雨即将来临 时会明 显升高， 降雨 量越大， 变化越明显， 通过构建PWV特 征来捕获极端降雨信息； 当GNSS信号通过对流层时会受到大气折射的影响， 因此发生天顶总延迟ZTD， ZTD包括 ZHD和ZWD； ZHD占ZTD的90％； ZHD计算如下： PW是以℃为单位的站点的表面压力， φ是以弧度为单位的站点的纬度， H是以km为单位 的站点的大地高度； 通过从ZTD提取ZHD来获得ZWD， 并使用以下公式来计算PWV： ρW是水蒸气密度； Π是一个经验参数， 在北半球为1.48； 将压力、 纬度、 站点特征的高度 合并为ZTD特征， 并根据公式2将数据， 站点 高度和ZTD合 并为PWV特 征。 4.根据权利要求1所述的一种基于特征工程与TabNet网络的降雨预测方法， 其特征在 于： 使用TabNet进行自监 督预训练。权　利　要　求　书 1/2 页 2 CN 114021789 A 25.根据权利要求1所述的一种基于特征工程与TabNet网络的降雨预测方法， 其特征在 于： 将使用特征工程变换后的数据与预训练模型一起放入最终模型进行训练， 根据评价指 标的变化进行调参。 6.根据权利要求1所述的一种基于特征工程与TabNet网络的降雨预测方法， 其特征在 于： 首先获取当天的气象数据， 根据当天的日期选择 季节模型， 得到当天的具体降雨 量。权　利　要　求　书 2/2 页 3 CN 114021789 A 3