航班延误作为一个热点问题一直困扰着国际国内民航业。近些年来,随着我国航空延误情况日益加重,国内民航业的发展已经受到严重影响,改善延误状况迫在眉睫。对于繁忙的机场来说,延误航班数量的预测对机场来说意义重大。这是因为延误航班越多就意味着滞留旅客的人数越多,当滞留旅客达到一定人数(或延误航班达到一定数量)时,机场必须采取相应的预案进行干预。因此,如果能够提前对延误航班数量进行预警,对机场相关部门来说无疑会有很大的帮助。随着社会和科技的进步,人们所能收集到的数据量变得越来越大,对这些数据进行处理和预测的难度也因此变得非常大。而新兴的处理海量数据的技术一一数据挖掘为解决预测的这一难题提供了新的手段。本文以航班延误预测为应用背景,首先针对航班延误问题建立了时间序列预测模型,使用数据挖掘中的几种常见建立预测模型的方法,如线性回归,非线性回归,神经网络等,对某大型机场实际航班运行数据进行分析处理,建立相应的航班延误预测模型。为了进一步提高预测的精度,本文还提出了一个融合先验知识的支持向量机回归方法。通过把先验知识定义成数据集上的约束关系,进行模型的学习训练。由于这种新的方法加入了先验知识,它较之现有的一些方法预测效果更为准确。本文还通过实验,将所提出的方法与标准支持向量机回归方法进行了对比,实验结果表明了这种新的预测方法的有效性。