近些年来,随着空中交通网络的完善和发展,飞机出行逐渐走进人们的生活成为出行首选。然而航班延误情况随之而来,成为限制民航业发展的重要难题之一。因此,本文以国内某些离港航班为研究主体,利用航班延误数据,分别从大面积航班延误和短周期航班延误进行针对性地研究。具体研究内容如下:首先,针对民航发展背景进行介绍,明确航班延误基本理论概念,分析延误主要影响因素和影响程度。通过对目前国内外学者研究和实际应用生产需求分析,决定基于历史运行数据通过机器学习、组合模型等方法展开延误预测分析,以达到提高预测精度的预期。针对大面积航班延误预测。首先确定研究时间范围和考虑因素,将时段延误时间作为指标,对数据进行预处理后基于Logistic回归预测模型和BP神经网络算法建模分别对航班延误时间序列进行预测分析,将延误序列作为初始值,预测其未来紧接时段内的发展趋势,最后结合实例进行检验。针对短周期航班延误预测。首先确定预测周期长度,选取延误时间、架次作为指标,对数据进行预处理建立基于ARIMA模型和LSTM网络算法建模以及组合预测模型。利用模型在预测方面的特性,建立基于权重分配和组合优化两种方式的组合预测模型,实现对整体时序特征进行捕捉。最后结合算例,对比模型评价指标对比单一预测模型,确定精度更佳的预测模型。最后,基于大量运行数据进行更大范围,更多组数据集的算例检验,再次验证预测模型的有效性。