在机场向“智慧化”、“数字化”运营的转型过程中,为了提高航站楼内的服务质量,为了实现航站楼内高效的业务运作以及资源的合理分配,机场必须要精准的预估出航站楼内旅客人数的变化情况。只有这样才能在旅客离港过程中,合理地配置航站楼内的服务资源,及时地解决旅客困境,减少高峰期的拥堵,降低旅客排队等候的时间,从根本上提高旅客的出行品质。因此,在机场航站楼内能够对短时段的值机客流量进行相对准确的预测,是提高服务品质、加强业务效率以及合理分配资源的重要基础保障。从机场的多个生产系统中,获得与研究目标相关的航班、旅客、值机、安检等多个方面的运营数据。通过熟悉数据的业务流程,对影响值机客流量的相关因素进行数据分析。基于对客流量变化的主要影响因素的分析研究,以短时段每小时的值机客流量为研究对象,在DOW特性的基础上运用分类和协整理论进行时间序列的构建和依赖性分析,提出了带有输入变量的动态回归的ARIMAX模型,来预测航站楼内短时段的值机客流量的人数情况。实验结果表明,该模型的预测结果比单一的时间序列预测模型的结果具有更小的信息量和更高的拟合度,提高了预测精度,减小了预测偏差。在客流量的潜在变化规律分析过程中,发现了时序变化规律呈现出高度的特征相似性,比如非线性、周期性以及不确定性等。由此,建立了基于小波分析的LSTM网络的短时段值机客流量的预测模型。该模型以每小时的客流量为预测单位,运用小波分析技术对时间序列进行变换和重构,对重构后的时间序列使用深度LSTM网络模型进行训练,最后将各个预测值叠加求均值,即得到每小时的客流量预测值。实验结果表明,与ARIMAX模型相比,该模型的预测精度更高,拟合效果更好。两组模型都有效地预测了航站楼内短时段的值机旅客人数,为航站楼内资源的动态分配和优化提供了不可或缺的决策支持,对现实具有一定的指导意义。