3. 特征工程基础：风速、风向、温度、气压等气象特征分析，时间特征提取（小时、季节）

各位同学，咱们今天聊聊特征工程。说白了，就是怎么把原始的气象数据，变成模型能听懂、爱吃的好东西。

我刚开始做风功率预测那会儿，犯过一个傻。直接把风速、风向扔进模型，结果预测结果惨不忍睹。后来才明白，原始数据 ≠ 有效特征。你想想看，模型又不是人，它哪知道「北风」和「东北风」有什么区别？它只知道数字。

3.1 风速特征：不只是「多少米每秒」

风速是预测的核心。但直接拿原始风速序列去建模，效果往往一般。为什么？因为风速的波动太大了，模型很难抓住规律。

我个人习惯，会从三个维度去处理风速：

• 原始风速：保留，但会做平滑处理（比如滑动平均）。
• 风速变化率：计算前后时刻的差值。这能反映风速的「脾气」——是平稳还是暴躁。
• 风速的平方/立方：因为风功率和风速的三次方成正比。这个物理关系，模型不一定能自己学出来，我们帮它一把。

代码实现很简单，比如用pandas：

import pandas as pd
import numpy as np

# 假设 df 包含 'wind_speed' 列
df['ws_smooth'] = df['wind_speed'].rolling(window=3, min_periods=1).mean()
df['ws_diff'] = df['wind_speed'].diff()
df['ws_square'] = df['wind_speed'] ** 2
df['ws_cube'] = df['wind_speed'] ** 3

3.2 风向特征：别让「0°」和「360°」打架

风向是个环形变量。0°和360°其实是一个方向，但模型会认为它们差360个单位。这会导致严重的误差。

我曾经吃过这个亏。有一次模型在冬季预测偏差特别大，排查了半天，发现是风向处理出了问题——北风（0°）和北风（360°）被当成了两个完全不同的特征。

正确的做法是：将风向分解为正弦和余弦分量。

# 风向角度转弧度
wind_rad = np.deg2rad(df['wind_direction'])
df['wd_sin'] = np.sin(wind_rad)
df['wd_cos'] = np.cos(wind_rad)

这样处理后，0°和360°的正弦值都是0，余弦值都是1。模型就不会再「打架」了。

3.3 温度与气压：别小看这两个「配角」

温度和气压，看起来不如风速那么直接。但它们对空气密度有影响，而空气密度直接影响风功率。

公式很简单：
P = 0.5 * ρ * A * v³

其中ρ（空气密度）和温度、气压密切相关。温度越高，空气密度越低；气压越高，密度越高。

我建议构造两个衍生特征：

• 空气密度估算值：用温度和气压近似计算。
• 温度变化率：反映大气稳定度。温度骤降往往意味着冷锋过境，风速会突变。

# 空气密度近似计算（单位：kg/m³）
# 标准海平面条件下，ρ ≈ 1.225
# 修正公式：ρ = 1.225 * (P/1013.25) * (288.15 / (T + 273.15))
df['air_density'] = 1.225 * (df['pressure'] / 1013.25) * (288.15 / (df['temperature'] + 273.15))

3.4 时间特征：模型也得知道「现在几点」

风是有「作息规律」的。白天和晚上不一样，夏天和冬天也不一样。模型如果不知道时间，它就会把白天的大风规律套用到晚上，结果可想而知。

时间特征提取，我一般分两步：

1. 周期性编码：小时、月份都是环形变量。和风向一样，用正弦余弦处理。
2. 季节划分：直接给一个季节标签（春/夏/秋/冬）。

# 小时特征（0-23）
hour_rad = 2 * np.pi * df['hour'] / 24
df['hour_sin'] = np.sin(hour_rad)
df['hour_cos'] = np.cos(hour_rad)

# 月份特征（1-12）
month_rad = 2 * np.pi * (df['month'] - 1) / 12
df['month_sin'] = np.sin(month_rad)
df['month_cos'] = np.cos(month_rad)

# 季节标签
def get_season(month):
    if month in [3,4,5]: return 0  # 春
    elif month in [6,7,8]: return 1  # 夏
    elif month in [9,10,11]: return 2  # 秋
    else: return 3  # 冬

df['season'] = df['month'].apply(get_season)

嗯，这里要注意：季节标签最好用one-hot编码，或者直接作为类别特征输入树模型。别用0,1,2,3这样的数值，模型会以为「冬季=3倍春季」，这就不对了。

3.5 知识体系总览

说了这么多，咱们用一张图来总结一下。这张图展示了特征工程的完整流程：

这张图把咱们刚才讲的内容串起来了。从原始数据出发，经过四个分支的特征处理，最终汇聚成模型能用的特征集。

3.6 避坑指南

最后，分享几个我踩过的坑：

• 不要一次性生成所有特征。特征太多，模型容易过拟合。我建议先做相关性分析，剔除冗余特征。
• 注意特征的时间对齐。风速、风向、温度、气压的采样频率可能不同。一定要统一到同一个时间戳上。
• 小心「未来信息」。比如用t时刻的温度去预测t时刻的功率，没问题。但如果你不小心用了t+1时刻的温度，那就是作弊了。模型在训练时表现很好，上线后一塌糊涂。

---

公众号:蓝海资料掘金营，微信deep3321