近年来,风能发电在新能源与绿色能源领域有很大的价值和应用前景.注意到风速数据具有非负、有偏、重尾、包含很多零的特点,使得我们在风速的精准预测和模型构建上面临着极大的挑战.基于上述分析的特点,本文中我们对一阶滞后的多重线性回归模型进行改进.首先,在空间维度中,我们将同一区域的气象站点作为空间协变量,进行一阶滞后的多重线性时空拟合.对于上述时空拟合的误差项,在给定具有可解释性的大气协变量时,我们提出了基于t分布的异方差时空预测模型.然后,在对参数进行统计推断的过程中,我们提出了基于异方差时空模型的两步推断算法.第一步中,我们使用变量选择中的SCAD惩罚函数对空间维度中的空间协变量进行有效的选择和参数估计.第二步中,我们使用EM算法对由大气协变量驱动的异方差的多元t分布的似然函数进行迭代估计.最后,我们将本文提出的方法应用在公开数据集上,实证分析结果显示本文提出的模型对风速有更准确的预测.