作为一种清洁和可再生能源，风力发电被广泛使用。然而，由于风速的不确定性，建立一个准确的大型风电预测模型是必要的。数值天气预报（NWP）和数据驱动的建模是两个典型范式。但天气预报数值通常是不可用的。数据驱动的建模是一种有效的备选方案。对于一些新建的风力发电场，充分的历史数据是准确模型必不可少的，有些年长的风电场可能会有长期的风速记录。在本文中，我们提出了从数据丰富的发电场为一个新建的农场提供信息的有趣试验。我们所说的深度神经计算网络，通过丰富的数据场的数据训练，提取风速模式，然后对来自新建养殖场数据处理映射。在这种方式中，训练有素的网络信息从一个场到另一个场传输。实验结果表明，使用所提出的技术使预测误差显着减少。
