1.一种融合编码解码和线性回归的短期风速预测方法，其特征在于：包括以下步骤：(1)获取原始风速序列，并对原始风速序列进行Z-Score标准化处理；

(2)采用等距分段方法，将连续的标准化处理后的风速序列转化为离散形式；

(3)建立样本数据集D1、D2，并按照一定比例将样本数据集划分为训练数据集和测试数据集；

(4)针对样本数据集D1，建立线性回归风速预测模型；

(5)针对样本数据集D2，建立编码解码风速预测模型；

(6)对每个风速预测模型的输出值进行叠加，获得最终的预测值；

(7)结合实际风速值，用均方误差对预测模型进行评估。

2.根据权利要求1所述的一种融合编码解码和线性回归的短期风速预测方法，其特征在于：步骤(1)中对原始风速序列进行标准化处理，所述标准化公式为：式中：x*为标准化处理之后的风速序列，x为原始风速时间序列，μ为序列x的均值，σ为序列x的标准差。

3.根据权利要求1所述的一种融合编码解码和线性回归的短期风速预测方法，其特征在于：步骤(2)采用等距分段方法，将标准化处理后的风速信号转化为离散形式，所述等距分段方法为：根据步长h将风速序列分为n等分，第i个等分的风速值范围是[(i-1)×h,i×h]，其中i的范围是[1,n]；

将标准化处理后的风速值s转变成一个n维的二进制向量s’，若s的数值落在第i个风速序列段，则向量s’中的第i位置处的数值为1，其余位置处的数值为0，采用这种方式将标准化之后的风速序列x*离散化为x’。

4.根据权利要求1所述的一种融合编码解码和线性回归的短期风速预测方法，其特征在于：步骤(3)建立样本数据集D1、D2，并按照一定比例将样本数据集划分为训练数据集和测试数据集，所述构建样本数据集、训练数据集和测试数据集的方法具体为：

1 2

构建样本数据集D1,D1由输入数据X1和输出数据Y1组成；输入数据X1＝{X1 ,X1 ,…,X1m},输出数据Y1＝{Y11,Y12,…,Y1m},m为样本数据集的样本个数；第i个样本的输入数据X1i＝{xi+1,xi+2,…,xi+n},其中，xi+1为i+1时刻的风速值，n为输入特征个数；第i个样本的输出数据Y1i＝{xi+n+1,xi+n+2,…,xi+n+m},其中xi+n+1为i+n+1时刻的风速值，m为输出风速个数；

1 2 m

构建样本数据集D2，D2由输入数据X2和输出数据Y2组成；输入数据X2＝{X2 ,X2 ,…X2},输出数据Y2＝{Y21,Y22,…Y2m},m为样本数据集的样本个数；第i个样本的输入数据X2i＝{xi+1,xi+2,…xi+n},其中，xi+1为i+1时刻的风速值，n为输入特征个数；第i个样本的输出数据Y2i＝{xi+n+1’,xi+n+2’,…,xi+n+m’},其中，m为输出风速个数，xi+n+1’为i+n+1时刻的风速值对应的离散形式；

样本数据集D1、D2根据a:b的比例，划分为训练数据集和测试数据集。

5.根据权利要求1所述的一种融合编码解码和线性回归的短期风速预测方法，其特征在于：步骤(4)针对样本数据集D1，建立线性回归风速预测模型，所述线性回归风速预测过程为；

式中：X1，train为模型的输入，W为模型的权重，bias为模型的偏差， 为模型的预测输出。

6.根据权利要求1所述的一种融合编码解码和线性回归的短期风速预测方法，其特征在于：步骤(5)针对样本数据集D2，建立编码解码风速预测模型，所述编码解码风速预测过程为；

编码过程可以表示为：

C＝f(x2,train,s0)

式中：X2,train为编码器的输入，s0为编码器的随机初始状态，C为编码器的预测输出；

6.2解码过程可以表示为：

式中：C为解码器的输入，V为二进制区间的中位数， 为解码器的预测输出。

7.根据权利要求1所述的一种融合编码解码和线性回归的短期风速预测方法，其特征在于：步骤(6)对每个风速预测模型的输出值进行叠加，获得最终的预测值，所述叠加方法为：式中：为线性风速预测模型的预测值， 为编码解码风速预测模型的预测值， 为风速预测模型最终的预测值，λ为线性风速预测模型预测值占比，数值大小在0-1之间。

8.根据权利要求1所述的一种融合编码解码和线性回归的短期风速预测方法，其特征在于：步骤(7)结合实际风速值，用均方误差对预测模型进行评估，评估方法为：采用均方误差MSE用于对模型的评估，均方误差表达式为：

式中： 为第i个时刻的风速预测值,Yi为第i个时刻的实际风速值，m为预测时刻的总数。