提出了一种基于支持向量回归以及前馈人工神经网络的短期潮流速度预测方法，该方法只使用潮流速度的历史数据进行数据建模，并使用该模型进行未来数据的预测。　　支持向量回归的建模过程中使用了单变量分析法来挑选特定历史数据作为输入模型的特征向量，以避免建模过程中出现数据稀疏问题，并减少需要的历史数据。单变量分析通过计算历史数据的皮尔逊积矩相关系数，并对其进行F检验，挑选出合适的输入特征向量。数据准备完毕之后，通过网格搜索和交叉校验调整参数。使用了中国科学院电工研究所海洋电机系统研究组在浙江舟山的海试数据和美国国家海洋和大气管理局的公开海洋数据进行了预测，计算了多个误差指标，并通过计算自相关系数和小波变换对预测结果进行了分析。确定了在使用支持向量回归预测建模时，可利用的历史数据和特征向量维度对于预测精度的影响。　　前馈人工神经网络的建模过程中使用了常用的4种经验公式和两种常用的激活函数来确定模型的结构，通过比较确定了最优的模型结构和激活函数组合。使用了美国国家海洋和大气管理局的公开海洋数据进行了预测，计算了多个误差指标，确认了在使用前馈人工神经网络预测建模时，可利用的历史数据和特征向量维度对于预测精度的影响。并比较了支持向量回归和前馈人工神经网络的不同之处和各自优点，根据此制定了一个适用于海洋能发电的潮流速度预测策略。