社会的快速发展需要巨大的功率消耗。当前,能源短缺在全球范围内都是一个无法回避的问题。为了解决全球能源危机和环境恶化,可再生能源,特别是风能,逐渐成为新的关注焦点。作为风力发电中的核心问题,也是这篇文章为之努力的风速预测研究是一个有意义而且艰难的工作。在预测短期风力(提前48-72h对每小时的风速进行预测)时,通常采用数值天气预报模型进行预测。然而,初始扰动和模式物理过程的不确定性会影响气象数值预报的精度。这篇文章主要的思想是为数值天气预报模式提出一种新的后处理优化方法。这种方法,利用数据挖掘得到的关联规则来优化气象数值预报的结果。研究中我们先选择了天气研究与预报模式(WRF)来预报风电场风速,预报时效为72小时。WRF是一个最广泛应用的物理模型。然后利用积分过滤方法消除空气运动的小尺度运动,依照加速度的变化情况将可解大尺度序列分解为各个波段,再挖掘关联规则,得到波段相对高度和相对长度与预测误差之间的关联关系,进而对各个波段乘以加权系数进行订正。这个后处理优化方法由四步组成：(Ⅰ)空间盒式过滤分解(Ⅱ)聚类(Ⅲ)用Apriori算法挖掘关联规则(Ⅳ)优化。承德和乌兰察布风电场的数据被用来验证提出的优化方法。模拟结果表明：(1)Apriori算法可以发现预测风速序列和它的相对误差之间的关联规则(2)这个后处理方法可以有效的提高预测精度(3)论文提出的方法对消除不同地点输出结果的系统误差方面,都有较好的效果。