风速时间序列具有很强的间歇性和随机性，属于非平稳时间序列。为提高预测精度，提出了经验模式分解法（EMD）和神经网络相结合的短期风速组合预测模型。该方法运用EMD将风速序列分解为一系列不同频率的相对平稳的分量，减少了不同特征信息之间的干扰；根据各个分量的变化规律，选择合适的神经网络模型来分别预测，对高频分量采用神经网络组合预测模型，低频分量采用合适的预测模型直接进行预测；将各分量预测值叠加得到最终预测值。算例结果表明，所提方法与单一的径向基神经网络模型（RBF）和支持向量机模型（SVM）相比，预测精度得到了大幅度的提高。