为了实现更准确的站点风预报，结合中尺度数值模式WRF预报结果和自动气象站观测数据，采用反距离加权插值法，将模式网格和观测站点的数据进行融合构建训练集，利用3种机器学习方法对WRF预报的风场结果进行订正，优化风场预报准确率。其中随机森林模型实现风速的预报均方根误差（RMSE）平均降低了1822%，风向降低了1597%；LightGBM模型对于风速、风向的RMSE平均降低了1860%和1756%；深度神经网络模型对于风速、风向的RMSE平均降低了553%和910%。对2020年宁波市9个大风过程进行检验，利用LightGBM模型对于3个站点预报进行订正，结果表明风速的RMSE从461 m/s下降到214 m/s，平均降低了5358%，风向的RMSE从3031°下降到1820°，平均降低了3995%。