随着社会发展和人们物质水平的提高,飞机越来越多的成为人们出行的交通工具。全球航空旅客周转量将以平均每年4.8%的速度增长。面对逐年增加的航空旅客流量,航空公司如果对客流量能够提前预测,那么这可以作为其在管理和运营过程中对航班航线计划和机组调度规划的重要决策依据。航空公司对旅客流量预测准确度高低主导着航空公司决策的准确率,并且影响着航空公司的发展方向。由于旅客流量的本身的随机性和时变性,预测的方法显得尤为重要。传统的方法的缺点是无法指明影响客流因素变动时客流的变化趋势与结果,也就是在客流数据变化的趋势较平稳,没有比较大的异常波动或者有足够多数量的数据前提下,预测的效果才比较好,并且传统方法对本身一些参数的设定有主观性和预测性,使预测的准确性可能会受到影响。所以不能很好满足航空公司的要求。为了解决上述问题,本文从现有理论和算法出发,根据客流量的特点,提出了一种基于遗传算法的支持向量机对航空公司旅客流量预测的方法。分析了支持向量机的基本思想和标准遗传算法的基本原理,对标准遗传算法的遗传算子操作进行改进,并与支持向量机在非线性情况下的回归模型结合,寻找出支持向量机中最优的核参数,最后将原始数据输入改进后的支持向量机中进行预测效果分析。实验内容主要包括：标准遗传算法与本文改进遗传算法的比较,改进后的支持向量机选用不同核函数预测效果比较,以及与神经网络预测方法效果比较。实验结果证明了本文研究方法的有效性和优越性。