风力发电是最具发展潜力的新能源。论文对风力发电技术中十分关键的风速预测方法开展了研究。论文将混沌、径向基函数神经网络和支持向量回归机应用于风速预测问题，开展了径向基函数神经网络风速预测、支持向量回归风速预测方法研究，并进行了径向基函数神经网络风速预测、支持向量回归机风速预测的数值实验。论文的研究工作对于促进风力发电领域十分关键的风速预测方法的发展具有积极意义。　　论文首先对国内外在风速和风电预测领域的研究工作进行了综述，介绍了混沌时间序列相空间重构的方法、径向基函数神经网络和支持向量回归机。针对风速变化特点，论文利用混沌时间序列的相空间重构技术将风速时间序列映射到高维的相空间，在此基础上建立了径向基函数神经网络风速预测模型;论文介绍了利用径向基函数神经网络建立风速多步预测模型和进行预测的具体步骤。为了更快更准确地获得径向基函数神经网络的最佳训练参数，论文利用遗传算法对径向基函数神经网络的训练参数进行寻优。计算实例初步说明了混沌相空间重构理论和径向基函数神经网络应用于风速预测的效果。在风速序列相空间重构的基础上，论文利用支持向量回归机建立风速单步预测模型，并进行了风速的滚动式多步预测。论文讨论了样本选择、建立单步预测模型并实施预测的具体过程，给出了基于相空间重构和支持向量回归机的风速预测实例。论文最后进行了径向基函数神经网络风速预测和支持向量回归机风速预测的数值实验，从训练样本数量和训练参数选择二个方面分别进行具体实验，讨论了样本数量和参数对模型预测性能的影响。论文还对径向基函数神经网络风速预测和支持向量回归机风速预测的结果进行了分析。