本文结合现代民航运输的需要,在深入分析航段运量的特点及比较几种航段运量预测方法的基础上,进一步研究了利用支持向量机方法对航段运量进行预测,并结合实际情况,对其进行了改进优化。首先,本文较系统的分析并比较了传统运量预测算法的特点,对其适用范围和程度进行了探索,进一步研究了熵权系数法和BP神经网络算法的改进算法,并对熵权系数法进行了模拟试验;接着,详细阐述了支持向量机理论的基础和支持向量机原理,推导了最小二乘支持向量机的算法,重点研究描述了贝叶斯框架下的支持向量机模型;最后,本文探讨了支持向量机预测模型的建模方法,包括核函数的选择、模型参数选择算法的改进、学习算法的改进等,建立了支持向量机预测模型。本文将支持向量机预测模型改进应用于“航班优化与航线经济分析”系统中进行航段运量的预测,分析了建立的支持向量机预测模型的不足,指出了模型改进的方法。