当前,航班延误问题严重制约我国民航运输业持续健康发展。尤其是突发性大面积航班延误的频繁发生带来了严重的后果,由此对航班延误问题进行研究分析并实现有效预测,进而保障民航业的发展是十分有必要的。针对国内机场航班延误问题难以准确预测的现状,在枢纽机场进出港航班延误数据的基础上,从历史数据角度出发,进行延误规律的研究工作,提高航班延误的预测精度。首先,通过标准化统计进行数据的预处理,经过处理后转换为航班延误序列,使用EMD算法解析出枢纽机场延误规律特性。根据研究分析,选择借助噪声辅助分析的ICEEMDAN算法,用于弥补EMD算法缺陷问题,提高对延误序列的处理和分解能力。然而分解结果发现模态分量存在难以消除的噪声量,对此提出改进的ICEEMDAN去噪算法,利用相关系数分析判断模态分量与原始序列的相关程度以及分量中噪声分布,使用SG去噪方法解决噪声的残留问题。结果表明提出的改进算法实现延误序列的过滤和分解,获得航班延误的规律特性。接着对处理得到的模态分量,分别建立支持向量机回归多步预测模型,在统一选择模型径向基核函数的前提下,解决核函数类型过多导致模型决策复杂度的问题。同时实现预测能力需要各分量模型对应的参数作为支撑,在由网格搜索和综合粒子群算法组成的混合算法的基础上,并引入交叉验证的思想根据各分量特征进行模型参数寻优。通过验证分析表明各分量训练模型结果良好,有利于实现组合模型的航班延误多步预测研究。针对建立的组合模型,在延误序列剧烈波动区间出现了预测能力降低的现象。经过统计分析发现,序列波动区间与相应的恶劣气象条件有着强关联性,由此构建结合灰色关联分析的航班延误等级预测模型。该模型是通过灰色关联分析法对恶劣气象条件因素进行分析判定,并赋予各因素权值来实现恶劣气象条件下对航班延误的等级预测。从而弥补组合模型在恶劣气象条件下航班延误预测能力不足的问题,提高航班延误预测的准确率。