近年来,随着我国经济和贸易的蓬勃发展,民航运输业也得到了迅速发展。但是,其飞速发展也引起了一系列问题与弊端,例如,空中交通拥堵现象愈发凸显,航班大面积延误,这不仅使得不正常航班数量日益增多,也将导致民用航空安全与服务质量的下降,与此同时,近年来全球气候急剧恶化,极端天气的出现频率与往年相比成倍增加。恶劣天气已然成为导致机场通行能力急剧下降,致使容流不平衡,进而发生航班不正常现象的重要原因。在此背景下,对天气影响下的机场通行能力进行更为精确与实时的预测,可以使空中交通流合理化,最大化的利用空域资源并且减轻恶劣天气可能会造成的影响。本文在前人研究的基础上,提出了基于天气的机场高峰服务率预测方法。首先对反映机场通行能力的机场高峰服务率与机场高峰服务能力进行了定义,然后对提取的天气数据与机场高峰服务率进行了相关性分析,整理归纳出对其影响程度较高的天气数据。接下来本文进行了基于天气分类的机场高峰服务能力的分析,使用k-means聚类算法对天气数据进行聚类,并将机场高峰服务率与之匹配,经分析计算得到各类天气条件下所对应的机场高峰服务能力。为了对聚类效果进一步改进,本文通过使用随机森林算法得到各天气要素的权重,将其加入聚类模型中,最终得到较为合理与理想的结果。并将该结果作为后文考虑天气因素的机场高峰服务率模型中的一个约束条件。在对机场高峰服务率进行预测时,本文分别结合随机森林算法与BP神经网络算法搭建预测模型,二者均通过实现分类功能对机场高峰服务率进行预测,通过对比分析,得到两个模型的不同适用情况。最后,对本文研究成果进行了总结,并提出进一步改进的方案。