Para mejorar la precisión de la predicción de la velocidad del viento a corto plazo, propusimos un método de pronóstico basado en una red de Unidad Recurrente Con Puertas, basado en la descomposición empírica en modos en conjunto y un algoritmo de optimización de parámetros de Validación Cruzada por Búsqueda en Cuadrícula. En este estudio, primero, en el proceso de descomposición, se introdujo el conjunto de descomposición empírica en modos para dividir la serie temporal del viento en modos de alta frecuencia, modos de baja frecuencia y modo de tendencia, utilizando el coeficiente de correlación de Pearson. En segundo lugar, durante la optimización de parámetros, se empleó el algoritmo de optimización de parámetros en cuadrícula en el modelo GRU para buscar la combinación de parámetros óptimos. En tercer lugar, el modelo GRU mejorado se impulsó con los componentes descompuestos para predecir los nuevos componentes, que se utilizaron para obtener la velocidad del viento pronosticada mediante reorganización modal. En comparación con otros modelos (es decir, el LSTM, GS-LSTM, EEMD-LSTM y el EEMD-GS-LSTM), el modelo propuesto se aplicó al estudio de caso sobre la velocidad del viento de un parque eólico, ubicado en el noroeste de China. Los resultados mostraron que el modelo de pronóstico presentado podría reducir el error de pronóstico (RMSE) de 1.411 m/s a 0.685 m/s y puede mejorar la precisión de las predicciones. Este modelo proporciona un nuevo enfoque para la predicción de la velocidad del viento a corto plazo.