本书在大数据背景下，研究了国内航班延误的主要特征以及预测方法。本书试图回答以下几个航班延误中的重要研究问题：（1）影响国内航班延误的主要特征有哪些？（2）特征与延误发生的关系是什么？航空公司、机场、天气、出发时间等特征是怎么影响延误的？ （3） 航班延误特征引发延误的能力是否有差别？哪些情况下更容易引发延误？ 不同特征的交互作用会引起延误哪些变化？（4）如何构建预测模型能够更准确、更及时地预测国内航班延误，特别是主要机场和航线的航班延误？ 针对上述研究问题，本书主要展开两大方面的研究：航班延误的特征分析以及航班延误的预测模型构建。具体有以下五个子方面的研究内容：（1）国内航班延误大数据的获取和基本特征分析；（2）基于拥堵内部化的国内航班延误特征分析；（3）基于决策树的国内航班延误特征的对比和交互作用分析；（4）基于多项式回归和改进深度神经网络的机场航班延误预测模型构建；（5） 基于平滑样条和 LSTM 神经网络的航线航班延误预测模型构建。 本书采用大数据分析技术，探讨大数据在航班延误领域的应用。对国内航班延误现状分析、延误特征以及预测模型构建的相关理论与方法都进行了深入讨论，对国内航班延误的预防以及预测有理论意义和实践意义，亦可以指导相关的实践活动。