随着我国民航业的飞速发展，机场数量逐年增多，运输规模不断扩大，与此同时，机场噪声污染问题也越来越严重，如何有效地控制机场噪声对机场周边居民的影响是一个重要课题。而只有对机场周边噪声做出准确的预测，才能够为机场环境影响评估，机场规划设计及土地使用提供依据，因此，构建科学合理的机场噪声预测模型具有重要意义。　　本文详尽地研究了机场噪声影响因素，机场噪声不仅与航空器种类、性能、大小有关，而且与航空器起降跑道、进离场起降时间、航迹、噪声监测点位置等密切相关。为此，本文基于粗糙集属性约简算法对机场环境因素和飞行事件参数进行属性约简排序，从而确定机场噪声主要影响因素和次要影响因素，为构建机场噪声动态集成预测模型和机场噪声异构集成预测模型提供支撑。　　基于集成学习典型算法AdaBoost的思想，通过对传统的非线性回归预测方法进行改进，本文提出一种机场噪声动态集成预测方法。该方法有效地利用了参数集中的全部数据项，并随着参数数量的多少而动态变化模型结构，因此构建的预测模型不仅能够准确地对多种飞机型号所产生的噪声值进行预测，而且避免了现有预测软件对输入参数完整性和准确性的苛刻要求。　　最后，针对不同用户对机场周边噪声分布的三类实际预测需求：在线预测、近线预测和离线预测，本文提出了一种机场噪声异构集成预测方法。该方法以三种不同的预测模型：BP神经网络，K最近邻和非线性回归为基学习器，进行异构集成预测。与单预测模型相比，该模型的泛化能力更强、稳定性更好。