近年来,随着航空运输业的迅猛发展,空域资源和地面保障能力不足的问题日渐突出导致航班延误经常发生。航班延误产生和波及扩散给民航的正常运转带来了巨大挑战。本文以航班延误波及预测研究为目标,提出利用深度卷积神经网络的方法解决航班延误波及预测问题,并对航班延误波及程度进行评估。论文主要工作如下:首先,针对于航班延误波及问题,即连续航班中的前序航班出现延误波及到后续航班从而产生一系列大规模航班延误现象,论文提出一种航班延误波及链式模型。根据模型建模定义,综合航班数据特征属性,构造具有航班延误波及特性的航班链数据集。同时,为方便将信息特征输入到网络模型中,论文利用大数据分析、预处理技术将原始数据依次进行数据清洗、数据融合、特征编码过程。最终完成航班链式模型构建以及前期数据处理工作。其次,提出一种基于Condense Net算法的航班延误波及预测模型,该模型利用每层网络之间均采用稠密连接的设计方式进行特征提取,来对航班延误波及等级进行分类预测。Condense Net作为一种新型的轻量级卷积神经网络,有效解决了传统神经网络深层训练时的产生的梯度消失问题,同时训练参数量较少、计算代价更小。有望部署在计算资源有限的设备上,更方便有效的为相关部门提供决策建议。通过实验分析,Condense Net网络性能好且数据处理能力强,在实际数据实验分析中取得了较高的预测准确率。最后,为提高Condense Net特征提取效率,提升预测精度,提出一种基于CBAM-Condense Net算法的航班延误波及预测模型,该模型在原先Condense Net结构基础上,每个单元结构块后均融合CBAM。改进后的模型结构分别从通道注意力、空间注意力两个不同层面着手,使得神经网络具备专注于其输入特征子集的能力。实际数据实验分析中,改进后的CBAM-Condense Net算法各方面性能优于Condense Net算法,预测精度更高。并且,从不同角度提出了两个航班延误波及程度评估指标,根据航班延误波及预测结果可以对航班延误波及程度进行评估分析。根据延误波及评估分析结果,可以为空管部门、航空公司控制延误波及和优化航班计划提供相应建议。