随着人们生活水平的提高,旅客出行的需求也随之增加,航空因其具有快捷舒适的优点,在传统的出行方式中所占比例越来越高。民航领域交通压力持续增加,往往会导致航站楼安检环节出现拥挤的现象,因此航站楼安检环节若要实现高效运转,就需要对安检旅客流量预测提出更高的标准。如果能准确预测安检旅客流量,则可以依据旅客流量动态开放安检通道和配置安检服务人员数量,从而确保多数旅客能在短时间内完成安检流程,也可以降低由于旅客等待所致航班延误和聚集事件的可能性,提高机场地面资源利用率、机场服务水平和旅客满意度。因此研究航站楼安检旅客流量预测方法有着至关重要的意义。首先,本文对安检旅客流量预测的研究背景、意义以及国内外研究现状进行了总结,分析了现有预测方法和模型中存在的不足,借鉴混沌理论在其他领域取得的良好预测效果,提出了基于混沌时间序列的安检旅客流量预测。然后,本文在定性分析安检旅客流量混沌特性的基础上,通过相空间重构技术将一维的安检旅客流量时间序列中隐含的信息显现出来,以更好地刻画混沌吸引子的特性。本文采用自相关函数法计算得出相空间重构所需的时间延迟τ以及采用伪邻近点方法计算得出嵌入维数m,并对北京首都国际机场T3航站楼中真实安检旅客流量数据进行相空间重构后,使用Wolf法计算获得不同时间尺度(2min、5min和10min)的最大Lyapunov指数,定量分析了安检旅客流量数据具有的混沌特性;在此基础上,引入C-C方法对上述相空间重构方法进行改进,以提高计算性能同时降低嵌入维数。在北京首都国际机场T3航站楼真实安检旅客流量数据的实验结果也验证了C-C算法在相空间重构方面的有效性。最后,提出了基于GABP的安检旅客流量预测模型,以相对误差为预测评价指标,分别考察不同时间尺度(2min、5min以及10min)对预测精度的影响。基于北京首都机场T3航站楼实际安检旅客流量数据的实验结果表明,较之基准算法BP算法,2min时间尺度下采用GABP预测方法预测效果更好,相对误差较小;采用C-C方法进行相空间重构,不仅可以降低计算量,同时也能在一定程度上提高预测精度。