随着我国空中交通运输需求的持续增长,空中交通拥堵现象日益严重,对我国航空运输业的发展产生不利影响。机场终端区作为空中交通网络的关键节点,一旦发生空中交通拥堵将会直接导致大面积航班延误,加剧空中交通网络的拥堵态势。因此,对机场终端区拥堵态势进行准确评价并对拥堵等级进行精确预测,可以为空中交通管制部门的宏观决策提供依据,对提升航班运行效率,缓解空域拥堵,降低管制人员工作负荷具有重要意义。以机场终端区为研究对象,根据空中交通拥堵影响因素建立拥堵度量指标,提出过站时间和拥堵度两个指标,并对航班延误指标进行优化,从拥堵现象、拥堵原因、拥堵后果三方面构建机场终端区空中交通拥堵评价指标体系。形成基于粗糙集条件信息熵的指标权重计算方法,将待评物元各指标值根据评价指标界限映射到对应等级中,运用相应等级值完成粗糙集条件信息熵的权重计算。建立了基于可拓云理论的机场终端区拥堵等级评价方法。通过实例验证,该方法能解决空中交通拥堵评价中存在的模糊性和随机性问题,比传统方法有更好的适宜性。提出一种基于改进粒子群优化BP神经网络的机场终端区空中交通拥堵等级预测模型,通过对粒子群算法的学习因子、惯性权重的改进进一步提高预测结果精度,并根据评价结果构建训练、检验数据集。将训练数据集导入该模型进行训练,再利用训练完成的模型对某机场终端区空中交通拥堵等级进行预测,预测准确率达到90%。图20幅;表11个;参78篇。