风能是一种低碳环保、经济效益高的可再生能源,因此,风能的高效利用成为世界各国的关注焦点。通过提高风速预测的准确性,可提升风电机组的控制性能和发电量,进而实现风能的高效利用,对风能的可持续发展、能源规划和经济发展具有重要的意义。针对传统机器学习方法难以有效拟合海面风速突变的问题,本文从四个维度（气象要素、季节、时序和非线形）研究海面风速预测模型,即将数值预报方法、时间序列分解方法、序列任务预测的LSTM（Long Short-Term Memory,LSTM）网络和非线形建模预测的SVR（Support Vector Machine Regression,SVR）方法进行优化集成（记为ESL-SVR）用于海面风速预测,可有效提高海面风速的预测能力。基于ESL-SVR模型研发了一套面向漳州市气象管理人员的海面风速预报预警系统,达到可提供高效、智能气象服务的效果。本文的主要研究内容及工作如下:（1）对实测海面风速数据和欧洲中期天气预报中心（ECMWF）数据的预处理。针对历史实测风速数据,采用孤立森林异常检测算法对异常数据进行处理,并采取前后时刻的风速平均值对缺失数据进行填充,以保证后续分析数据的有效性和完整性;针对ECMWF数据,使用反距离权重的插值方法对自动观测站点各气象要素数据进行修正并整合,以提高预测精度。（2）研究海面风速特征向量的生成和海面风速预测模型的构建。在特征向量生成方面,为了有效预测海面风速,从三个方面构建所需特征:一是,基于ECMWF原始特征,采用几何方法、梯度换算等特征提取方式构建新特征,以增强ECMWF气象要素的表征能力;二是,采用基于STL时间序列分解结合滑动窗口方法构建新特征,有效提取风速的季节性等特征;三是,基于滑动窗口和LSTM预测方法构建新特征,以突破传统机器学习方式在拟合风速突变问题上的局限性。在真实数据集上,分别对所构建的特征进行了有效性分析。实验结果表明,相比原始特征,新特征的加入能有效提升预测效果。在海面风速预测模型构建方面,一是,基于皮尔逊相关系数对融合原始特征和所提取的新特征分量进行特征选择,以满足模型性能需要。二是,根据所选择的特征,采用SVR回归模型实现海面风速预测。在真实数据集上进行测试,结果表明所提出的海面风速预测模型是有效的,尤其在实现对未来1-10天的风速预测目的上,本文提出的模型预测效果优于ECMWF,与其他多个模型对比中达到了最佳效果。（3）设计和实现海面风速预报预警系统。基于所提出的ESL-SVR风速预测模型,设计并实现海面风速预报预警系统,该系统包含客户端和管理端,可分别为客户端用户和管理端用户提供服务。