准确可靠的机场网络航班延误预测是科学认知空中交通运行态势,动态精准实施国家空域系统容流协同调配策略的重要依据.提出了基于Agent的机场网络延误模型,表征机场网络系统中各元素及子系统间的交互作用下的延误特征涌现.针对机场节点动态容量、预计起飞时间、最小飞行与周转时间等Agent模型中的关键参数,适应性选用了贝叶斯估计、模糊k近邻等数据挖掘方法建立参数模型,并采用2015-2017年全美历史航班和气象数据进行训练学习.为综合评价模型性能及泛化能力,选取全美2018年3个不同延误程度的典型日进行测试.实验结果表明,在全美34个核心机场组成的网络中,各节点在4小时预测区间内延误最大误差不过27.9 min,其中约80％的节点误差小于5 min,验证了所提延误预测模型在时空范围内的准确性和稳健性特征.另外,通过与其他模型对比,展示了本模型优良的延误预测性能.