La predicción de la velocidad del viento es una parte esencial de la predicción meteorológica, con un valor significativo en economía, negocios y gestión. Utilizar múltiples variables meteorológicas puede mejorar la precisión de la predicción, pero los métodos existentes enfrentan desafíos como la mezcla y el ruido debido a las diferencias entre variables, así como la dificultad para capturar dependencias espaciotemporales complejas. Para abordar estos problemas, este estudio presenta un nuevo modelo de predicción de velocidad del viento a corto plazo llamado MIESTC. El modelo propuesto emplea un codificador independiente para extraer características de cada variable meteorológica, mitigando los problemas de ruido causados por la mezcla de variables. Luego, se utiliza un módulo de correlación espaciotemporal multivariante para capturar las dependencias espaciotemporales globales entre variables y modelar sus interacciones. Los resultados experimentales en el conjunto de datos ERA5-LAND muestran que, en comparación con los modelos ConvLSTM, UNET y SimVP, el modelo MIESTC reduce el RMSE en un 14.60%, 8.64% y 10.41%, respectivamente, para una duración de predicción de 1 hora. Para una duración de predicción de 6 horas, las reducciones correspondientes son del 13.91%, 8.20% y 6.95%, validando su rendimiento superior en la predicción de velocidad del viento a corto plazo. Además, un análisis de los impactos de las variables revela que U10, V10 y T2M desempeñan roles dominantes en la predicción de la velocidad del viento, mientras que TP exhibe un impacto relativamente menor, alineándose con los resultados del análisis de correlación. Estos hallazgos subrayan el potencial de MIESTC como una herramienta efectiva y confiable para la predicción de velocidad del viento a corto plazo.