转向更加灵活且高效的机器学习方法，尤其是结合时间序列分析的支持向量机

(SVM)和自回归积分滑动平均(ARIMA)模型。

自回归积分滑动平均(ARIMA)是一种广泛用于时间序列分析的统计模型，其通

过对过去的数据进行建模，从而对未来的趋势进行预测。而支持向量机(SVM)

作为一种强大的机器学习算法，能够处理高维度数据并有效避免过拟合问题，因

此在风电功率预测中得到了广泛应用。将ARIMA与SVM相结合，形成ARIMA-SVM

模型，可以更好地捕捉时间序列中的性和非性特征，从而提供更为准确的风

电功率预测结果。

基于这种背景，结合ARIMA和SVM的风电