1.一种基于时间序列突变误差校正的风速预测方法，其特征是，包括以下步骤：步骤1、获取原始风速数据集；

步骤2、分别对数据集进行LMD、EMD分解，找到原始信号所有的局部极值点，计算相邻两个极值点的平均值；

步骤3、将所有相邻两个极值点的平均值用直线连接，得到局部均值线段，然后采用滑动平均法进行平滑处理，滑动平均的跨度取相邻极值点最大距离的三分之一，得到局部均值函数；

步骤4、采用局部极值点，计算所有的两相邻极值点间的包络估计值；

步骤5、将所有相邻两个包络估计值用直线连接，得到包络估计线段，然后采用滑动平均法进行平滑处理，滑动平均的跨度取相邻极值点最大距离的三分之一，得到包络估计函数；

步骤6、将局部均值函数从原始信号中分离出来；

步骤7、重复步骤1‑6迭代过程直到得到一个纯调频信号为止；

步骤8、将迭代过程中产生的所有包络估计函数相乘得到包络信号；将包络信号和纯调频信号相乘得到原始信号的第一个乘积函数PF分量PF1(t)，将PF1(t)从原始信号中分离出来，得到一个新的信号u1(t)，将u1(t)作为原始数据重复以上步骤，循环k次，3≤k≤30，直到uk(t)为一个单调函数为止；

步骤9、对步骤8所得分解结果分别进行GWO‑SVM预测；将预设参数代入SVM，对风速进行预测，记录预测结果与预测误差；设置目标函数为均方误差MSE，利用GWO优化算法对参数进行更新，寻找令目标函数最小的参数，输出该参数作为寻优结果；将寻优所得参数代入SVM对风速进行预测，得到风速预测值；

步骤10、对风速预测值求和并求两者算数平均数；

步骤11、采用突变误差校正方法对EMD‑LMD‑GWO‑SVM预测结果进行误差校正，得到基于误差校正的EMD‑LMD‑GWO‑SVM预测结果；突变误差校正方法包括：步骤11.1、首先对界限值Kkup_limit与Kkdown_limit进行设置，利用灰狼寻优算法寻最优值；

步骤11.2、对于符合上升型时间序列突变定义式(1)或下降型时间序列突变定义式(2)的风速预测数据进行误差校正；

步骤11.3、分别采用高斯分布误差校正模型与时间序列误差预测校正模型；

步骤11.3.1、高斯分布误差校正模型首先判断训练集误差是否符合高斯分布，如果符合则可通过高斯模型产生随机概率误差，对风速预测数据进行误差补偿；符合上升型时间序列突变补偿方式为式(3)，符合下降型时间序列突变补偿方式为式(4)；

xcorrect(t)＝x(t)+|errGauss|   (3)xcorrect(t)＝x(t)‑|errGauss|   (4)其中，x(t)为t时刻的风速值，xcorrect(t)为t时刻的风速校正值，errGauss为高斯分布模型产生的误差补偿值，对于两种时间序列突变采用不同的补偿方式；

步骤11.3.2、采用时间序列预测模型对误差值进行预测，其补偿方式为式(5)；

xcorrect(t)＝x(t)‑errtime   (5)其中x(t)为t时刻的风速值，xcorrect(t)为t时刻的风速校正值，errtime为时间序列误差预测模型产生的误差补偿值。