航空运输是现代社会重要的运输方式之一,随着航空运输的日益普及,航班的安全性和准点性成为社会各界关注的焦点。我国西南地区多发雾霾,而雾霾导致的低能见度是影响飞行安全和正常的重要因素。因此有必要对低能见度进行精准的预测,以便在低能见度天气发生前采取相应措施,提高低能见度下的航班运行效率。本文由两个方面组成:低能见度预测、能见度与航班准点率的相关性分析,分别概述如下:低能见度预测方面,首先通过调研国内外众多学者对低能见度预测和航班运行的相关研究,结合民航运行标准将能见度分为3个等级,确立了使用BP神经网络进行能见度分级预测建模的适用性;然后利用2015~2017年成都双流国际机场的METAR报文提取气象数据,在统计了低能见度下各气象因子的分布规律的基础上,通过因子显著性检验确立了预测所需的指标集;最后,抽取618组样本进行基于BP神经网络的能见度分级预测建模,以此实现对双流机场未来1、2、3h能见度等级的预测,并达到了预期的准确率。能见度与航班准点率相关性分析方面,根据研究时间尺度的不同分为逐日分析和逐小时分析。首先,依托相关行业文件,确立了以准点率为代表的描述航班正常性的指标;然后通过逐日分析探讨了各项指标随能见度的变化规律及其相关性,发现能见度小于800m的天气会对各项指标产生较大的影响,二者之间具有较为显著的非线性相关关系;最后,在逐小时分析中提出恢复时间的概念,用以描述受低能见度天气影响后,机场航班正常性恢复至正常所需的时间。通过实例计算得到准点率随恢复时间的关系,并提出优化低能见度下航班准点率的建议。本文的研究从实践上证明了BP神经网络用于低能见度预测的适用性,从数据中定量分析出低能见度同航班正常性之间的相关性。依据模型对未来能见度的预测结果,可以估计未来本场航班的运行情况。在低能见度天气到来之前,根据即将发生的低能见度等级,航空公司、空管、机场各单位可以提前制定相应的应对预案。对保障飞行安全,提高低能见度天气下的航班准点率有一定的指导意义和实用价值。