سرعت باد از مهم ترین و تأثیرگذارترین پارامترها در امکان سنجی برای نصب توربین های باد است؛ ازآنجاکه ارتفاع توربین باد و انرژی استحصالی از آن به سرعت باد وابسته است بنابراین دانستن سرعت باد در ارتفاعات مختلف منطقه موردمطالعه امری ضروری است. ارتفاع دکل بادسنجی سایت های هواشناسی به طور عادی 10 متر هست و اطلاعات باد موردنیاز برای ارتفاعات بالاتر در دسترس نیست. معمولاً به منظور بررسی پتانسیل باد در محل موردنظر، به مدت بیش از یک سال دکل یا دکل های بلندی در حدود ارتفاع توربین های احتمالی نصب شده و اطلاعات جمع آوری شده در پایان دوره، کامل بررسی و تحلیل می شود. سپس نوع توربین و تعداد آن تعیین می گردد. با توجه به هزینه بر بودن و دشواری نصب دکل های مذکور در این پروژه سعی بر این است که با استفاده از برخی روش ها بتوانیم مدل باد در ارتفاعات بلند را با داشتن پروفیل باد در ارتفاعات پایین تخمین بزنیم. لازم به ذکر است که برخی فرمول ها موجود می باشند که سرعت باد در ارتفاعات بلند را با داشتن سرعت باد در ارتفاع مشخصی به صورت استاتیک و با خطای زیاد تعیین می کنند که به هیچ وجه قابل اعتماد نیستند. لذا در این پروژه از تکنیک های نوینی همچون شبکه های عصبی مصنوعی (ann) و سیستم استنتاج عصبی-فازی تطبیقی (anfis) استفاده شده است. پس از پیاده سازی تکنیک های معرفی شده با این ایده که ابتدا مدل سرعت باد بر اساس داده های هواشناسی مختلف به دست می آید و پس از بهینه سازی با استفاده از این مدل و اطلاعات سرعت باد مربوط به دو ارتفاع (پایین تر)، اطلاعات سرعت باد برای ارتفاع سوم با دقت بالا تخمین زده می شود. مقایسه نتایج، نشان می دهد که تکنیک های ann و anfis همراه با ایده مطرح شده از عملکرد بسیار بالایی نسبت به مدل توانی برخوردار هستند. در مدل مبتنی بر anfis با بکار گیری فرایند یادگیری هایبرید و هم چنین الگوریتم fcm برای خوشه بندی اطلاعات سرعت باد، می توان به یک تخمین مناسب دست یافت.