随着社会的发展，空中交通流量日渐增长，航班延误问题已经成为了民航各部门迫切需要解决的难题。造成航班延误的原因很复杂，且多属不确定因素。因此，多年来，航班延误问题一直不能有效解决。航班延误还存在一个链式反应问题，即当一架航班发生延误时，可能会影响下一航班的正点到达或起飞，并间接波及到更多下游航班。当枢纽机场发生大面积航班延误时，如能进行预测，及时采取相应措施，可减小航班延误波及影响，提高民航业服务形象。航班延误预测可以看作是一种动态系统状态估计问题，且航班运行整个过程受监控，实时数据充分。鉴于此，本文尝试运用动态数据驱动的方法来进行航班延误预测，对应用过程中的关键问题进行了研究。本文的主要工作有：（1）提出采用状态空间模型来对航班延误系统进行建模的方法，以获得适用于动态数据驱动航班延误预测的预测模型。在分析延误波及事件序列的基础上，分别建立了单机多任务航班延误状态空间模型和连续进离港航班延误状态空间模型，为预测做好模型准备。（2）提出采用基于支持向量回归的方法对航班延误状态空间模型中的关键参数进行回归。并对航班运行历史记录进行特征提取、标准化处理和孤立点清除，得到可用于模型回归的数据集。在计算出支持向量机最佳参数后，分别对空中延误和场面延误进行了模型回归，得到了这两个参数的可不断根据航班运行记录更新的计算模型。（3）对数据同化问题进行了全面研究，提出采用滤波算法来动态融合航班延误状态的先验估计值与观测值，通过迭代的预测和更新得到每一步延误状态的后验估计。在所有十六种可能出现的不同性质的系统中，对常用的几种滤波算法进行预测效果和执行效率的对比，为航班延误预测过程中数据同化方法的选择提供了依据。（4）提出了一种基于有限混合模型的航班延误概率分布计算方法，并基于遗传EM算法对混合模型中的所有参数进行了最优估计，以便根据状态变量的实际分布特性和观测变量的实际分布特性选择合适的数据同化方法。在计算航班延误概率分布模型的过程中，还验证了遗传EM算法相比传统EM算法的优势。（5）基于上述研究给出了一种动态数据驱动的航班延误预测系统框架。为了验证所提出方案的有效性，分别对单机多任务航班延误和连续进港航班延误进行了预测，在检验预测准确度的同时，还验证了噪声协方差、连续预测航班数量对预测精度的影响。