经济的发展使得人们的生活质量越来越高,但随之而来的环境问题也愈来愈严重,譬如大气污染、海洋污染、森林火灾、病毒肆虐、石油资源的日渐匮乏等问题,因此,充分利用风能等可再生的清洁能源是极其重要的。精确的风速预测能够帮助我们有效地利用风能资源,但由于风速的随机性以及非稳定性使得风速的预测极具挑战性,故需要寻找合适的预测模型才能精确地预测风速。针对风速预测,本文提出了一种基于权重的组合模型,文章主要从三个方面对风速的预测展开了探讨:(1)数据降噪方法的选择;(2)单一模型的预测研究;(3)组合模型的预测研究。由于原始风速数据具有非平稳性等特征,直接使用原始风速数据进行预测研究会使得预测效果不理想,在预测之前需要对原始数据进行数据重构等降噪处理,本文选择了经验模态分解(EMD)、集成的经验模态分解(EEMD)、小波变换(WD)、高斯滤波器和均值滤波器五种方法分别对六个站点的原始风速数据进行降噪处理,将处理后的数据基于长短时记忆神经网络LSTM分别做预测实验,得出EMD和WD方法预测效果明显优于其他几种。单一模型的预测选择支持向量回归SVR、多层感知机MLP、循环神经网络RNN、长短时记忆神经网络LSTM、GRU循环神经网络几种模型,选择EMD和WD两种方法对原始风速数据做数据重构处理,实验分为两组进行,两组实验分别得出EMD-RNN、EMD-GRU、EMD-LSTM和WD-GRU、WD-RNN、WD-LSTM效果较好的结论。选择EMD-LSTM、EMD-GRU、WD-RNN和WD-GRU四种单一模型为基本元构造线性组合模型,选择优化算法确定组合模型的权重,最终,六个站点的组合模型得到比单一模型更加精确的预测效果。