1.一种基于进化算法的特征选择与CART森林的短时强降水预报方法，其特征在于，包括如下步骤：S1，采用进化算法对特征选择方案进行优化，最终得到一组特征选择方案；该步骤具体包括：S11，将气象数据中的物理特征集合划分为N个大小为T的特征子空间，每个子空间对应着种群中的一个个体，对特征进行二进制编码，映射为0‑1串，每个个体实则代表了一种特征选择方案，种群由N个体组成，即为一组特征选择方案；其中，T≤M，M为总特征数，0表示不选取该特征，1表示选取该特征；

S12，先根据个体的适应度值对种群进行非支配排序，按非支配层级由低到高的顺序依次将各层中的所有个体放入到下一代种群，对将要满足种群规模的最后一层中的所有个体分别计算拥挤度并按其由高到低的顺序进行选择，每轮评估时，将气象数据按3:1的数量随机划分为训练集与自测试集，以确定最终种群；

S2，执行完步骤S1后得到最终种群，种群中的每个个体代表了一种对气象数据物理特征的选择方案，使用各特征选择方案分别构建CART树，每棵树由整体数据集中随机选取的

3/4的训练集训练得到，将所有树组合从而产生CART森林模型；

S3，采集待测地区待预测时间点之前的气象数据，代入所述CART森林模型中，根据CART森林模型中各棵CART树的分类结果，以少数服从多数的原则来判断所述待预测时间点是否会出现短时强降水天气。

2.根据权利要求1所述的基于进化算法的特征选择与CART森林的短时强降水预报方法，其特征在于，构建CART树的过程包括：(1)读入气象数据集以及特征选择方案，对各条气象数据按照特征选择方案删除冗余物理特征；

(2)CART树根据基尼指数来选择划分属性，假设当前数据集D中第k类样本所占比例为p k(k＝1,2,3,...,n)，则数据集D的纯度可用基尼指数来度量：其中，Gini(D)表示从数据集D中随机选取两个样本类别不一致的概率，故Gini(D)越小，数据集的纯度越高；属性a的基尼指数Gini_index(D,a)为：在候选属性集合中，选择能使划分后基尼指数最小的属性作为最优划分属性a*，即：(3)对剩余的候选属性，重复步骤(2)直到候选属性集合为空，以此完成对CART树的构建。

3.根据权利要求1所述的基于进化算法的特征选择与CART森林的短时强降水预报方法，其特征在于，拥挤度的计算过程包括：根据每个目标函数对种群中的所有个体按升序进行排序，第一个和最后一个个体的拥挤度设为无穷大，第i个个体的拥挤度则设为第i+1和第i‑1个体的所有目标函数值之差的和。

4.根据权利要求1所述的基于进化算法的特征选择与CART森林的短时强降水预报方法，其特征在于，在步骤S12之后，还包括：S13，采用单点交叉与单点变异策略产生新的个体，从而随机产生新的特征选择方案用于步骤S12的选择操作。