人工神经网络是一种基于数学、物理的方法,从信息处理角度出发对生物体神经网络进行抽象而建立起来的数据处理模型,近些年学者们利用人工神经网络在理论研究、应用研究以及实现技术等方面取得了一些引人注目的成就。特别是神经网络与进化算法、群体智能算法、模糊理论、灰色理论等智能信息处理方法相结合,形成的“混合神经网络模型”,己广泛应用在模式识别、信号处理、控制与优化、通信传输等实际工程领域中,尤其是在预测建模中。本文从人工神经网络和遗传算法、粒子群优化算法的基本原理出发,详细介绍一种具有动态反馈机制的Elman神经网络,在此基础上深入研究遗传神经网络和粒子群神经网络这两种混合神经网络的数学模型和学习算法,最后加以实证分析。由于风速预测在风能利用中的重要地位,它对风资源的评估、电力系统的运营、风电并网规划都有着关键的影响,所以风速预测对风电系统的运行有着深远的影响。影响风速变动的因素有很多,总体而言风速的一个显著特点就是它是一个非线性的时间序列。而神经网络是一个可以处理各种非线性映射的信息处理系统,本文通过构建单一的Elman神经网络以及结合了进化算法的混合神经网络分别对承德某风电场的风速数据进行训练并作短期预测,神经网络训练结果与误差分析结果表明基于Elman神经网络和优化算法的混合预测模型能够有效提高预测精度,证明了该混合模型的可行性。