民航客运量作为航空运输的重要指标,受到城镇居民消费水平、第三产业、经济政策等众多因素的影响,是一种复杂的非线性时间序列。本文结合长短期记忆模型(Long Short Term Memory),提出了一种基于LSTM循环神经网络的民航客运量预测方法。LSTM作为循环神经网络的基本单元,能够从时间序列历史数据中提取数据特征,挖掘数据序列内在关联性。本文针对民航客运量历史数据,通过建立多级LSTM神经网络,对未来一段时间内民航客运量进行预测。该方法能够利用LSTM神经元的记忆特性,从客运量历史数据中查找和构建特征空间,提取客运量时间序列的非线性特性。通过对网络进行训练学习和超参数优化,使模型能够对民航客运数据进行高精度的拟合以及对未来运输高峰的精准预测。该方法有效避免了传统方法中影响民航客运量多种因素之间的不确定性,同时具有较强的鲁棒性和广泛的实用性。本文将该模型与ARIMA模型、BP网络模型进行了对比,结果表明,LSTM模型预测方法能够有效提高民航客运量的预测精度和预测稳定性。