航班延误一直是国内外民航运输业重点关注的问题。尤其在近几年，我国的航班延误问题日益严重，已影响到了民航运输业的健康发展。本文将国内某机场作为主要的研究对象，对其主要航线上各个飞行点的延误影响进行分析，构建基于贝叶斯网络的航班飞行延误预测模型。本文的主要工作如下：　　首先，本文对航班信息、航班延误特征和飞行数据进行统计与分析，以时间序列的形式分析了前后行航班问的延误关联性，并依据专家经验，建立了初始的航班飞行延误贝叶斯网络预测模型。通过统计分析历史航班数据中各个属性得出其先验概率，再使用EM(Expectation Maximization)算法对模型参数估计与学习，产生后验概率以修正先验概率分布，以此对航班飞行延误进行预测，但预测结果不满足航班延误预测的高精确度。　　其次，针对以上问题，本文设计了一种飞行延误动态预测方案。由于初始的预测模型基于历史数据，而在实际应用中有许多无法预知的影响因素。该方案根据航班运行情况，用实时数据不断地更新后验分布。每当新的数据加入，上次预测得出的后验概率变为先验概率，进一步产生新的后验分布，对模型的参数进行重新学习。我们能够通过前后行航班在某一飞行点的延误关系以及实时航班信息情况，计算出后行航班飞越该点时的预测值，进行航班飞行延误的动态预测。　　再次，根据上述提出的飞行延误动态预测方案，对初始贝叶斯网络进行了优化与扩充。将航班运行过程中的实时数据反馈到预测过程中，使用基于高斯混合模型(GaussianMixture Model，GMM)的EM算法对改进后的模型进行参数学习与训练，从而得出新的预测值。　　最后，本文通过仿真实验将该方法与初始模型进行了对比，由于该方法融合了实时的航班运行信息，仿真实验结果表明了该方法的有效性。