随着近年来传统能源煤炭、石油、天然气等化石燃料的过度开采,发展可再生能源形式已经成为了能源发展的必然趋势。风能作为环境友好型新能源,凭借其便于获取,成本低廉等优点,成为了所有新能源中最具潜力、发展最快、技术相对成熟的清洁可再生能源。但由于风是一种极不稳定的能源形势,是最难预测的气象要素之一,因此不断地提高风速预测的精度成为了一项意义重大的研究。传统的风速预测模型中有线性模型也有非线性模型,大部分的非线性模型在对于风速数据这种具有很强的非线性性时间序列数据的预测上要优于线性模型,但是单一的非线性模型也有其自身的局限,因此本文综合考虑了风速时间序列的非线性性和线性性,提出了一种新的混合建模预测方法:LSTM-ARIMA。利用长短时记忆神经网络LSTM强大的非线性拟合能力及快速学习的能力针对风速数据的非线性特征进行建模,然后对其误差序列使用ARIMA建模并进行预测,最终将两个模型的预测结果加和得到最终的风速预测结果。因为ARIMA模型是对数据进行线性拟合预测的,因此两者的和可以看作是用预测的误差对神经网络的非线性预测的风速值进行小幅度的线性的修正。