天气状况影响着人们的衣食住行,从长远看天气环境的好坏都直接或间接的影响人民生产和生活,气象预测是关系国计民生的大事,尤其是近些年来,环境污染破坏和全球温室效应问题使得天气变得异常起来,自然灾害频发,如洪灾、旱灾、泥石流、冰川融化、台风、山体滑坡等,气象环境恶劣,如雷暴、冰雹、沙尘暴、暴雨、雾霾等时有发生。在气象领域风力作为一种清洁可再生的资源在人类生产生活中扮演着十分重要的角色,又因其非线性和不可控等特点气象风力的预测成为了人们研究的一个重要领域也是世界性范围内人类共同关注的热点问题。由于数据驱动和深度学习的快速发展,气象风力的预测研究变得更加深入,通过探求不同的新的预测方法,以期发现更多的气象规律,提高风力预测的准确率。本课题拟从气象数据分析的角度展开研究,综合大规模时序数据和深度学习等技术,本文主要工作包括以下几点:(1)将格兰杰影响检验原理和深度学习Seq2Seq模型对气象风力特征与其它气象特征进行因果关系挖掘联系,通过设定格兰杰影响分数的方法,从而定性和定量地描述气象风力特征与其它特征之间的格兰杰影响关系强弱。(2)将本文研究的基于LSTM的Seq2Seq风力预测方法和传统的机器学习预测模型进行对比验证,通过对比不同模型下的性能指标,来证实该模型的准确有效。(3)基于本文研究的短时气象风力预测模型,设计并实现了短时气象风力预测系统,使气象风力预测变得更加轻松方便,从而为环境保护、清洁能源的使用以及人类生产生活方面提供有价值的参考。