精准的风速预测是将风能大规模应用到电力系统中的关键，而风速序列的随机性和波动性等特点使得风速预测难度增加。为增强风速序列的可预测性，采用Logistic混沌映射策略、自适应参数调整策略以及引入变异策略对食肉植物算法（CPA）进行改进，并提出了基于误差修正和VMD-ICPA-LSSVM的短期风速预测模型。首先将气象因子作为最小二乘支持向量机（LSSVM）的输入对风速进行预测，获得误差序列。再利用K-L散度自适应地确定变分模态分解（VMD）的参数，并对误差序列进行分解。结合改进食肉植物算法（ICPA）优化LSSVM可调参数的方法来预测分解的子序列。叠加各子序列预测结果后对原始预测序列进行误差修正，进而得到最终风速预测值。实验结果表明，与其他模型相比，所提模型有着更好的预测精度和泛化性能。