随着化石燃料等传统资源的日益枯竭以及环境污染的日益严重,世界各国都在寻找清洁能源,而风能作为一种可再生能源引起了能源界的高度重视。海洋拥有大量的风能资源,近年来,海洋风力发电已经趋于成熟,风速是风能发电评估的关键内容,但风速容易受到障碍物和地形等因素的影响变得不稳定,而且随着高度的变化,风速也相应的发生变化,因此对风速进行准确的预测具有挑战性。大多数学者研究的重点是提高预测的精确性或稳定性,而忽略了同时提高的重要性。因此本文提出一种混合模型可以有效的提高风速预测的精确性和稳定性,从而减轻或避免风电场对电力系统的不利影响。本文提出了一种新的混合优化模型用于风速的预测和研究,包括有效的双分解数据处理算法,组合预测算法,灰狼优化算法以及有效的评价方法。在该研究中双分解数据处理算法(LMD-VMD)将原始风速数据分解为一系列模态函数(IMF)。采用偏自相关函数(PACF)选择输入变量的BP神经网络,极限学习机(ELM)以及Elman神经网络分别对这些子序列的训练集和测试集预测并加和集成,将三个预测算法预测到的结果作为灰狼优化算法优化的支持向量回归(SVR)的输入进行预测。为了验证本文提出的模型的有效性,从辽宁丹东和江苏射阳采集的风速数据作为样本进行一步预测和两步预测的案例研究,并引入对比模型和综合评价机制。结果认为,本文所提出的混合系统较其他常见的模型有更高的精确性和稳定性,因此,本文的LMD-VMD-BP-ELM-Elman-GWO-SVR模型可以有效的用于风速的预测和研究。