随着民用航空需求量的逐年增加,由于机场进出港旅客每日高动态流动且在时间空间分布上不均匀特点突出而导致的,大中型机场航站楼高强度满负荷运行的不在少数,高峰时段拥堵甚至混乱现象频出,效率低下引发一系列问题及诟病。因此机场向“数字化”和“智慧型”方向发展是必然趋势。在对智慧机场进行系统的规划与决策过程中,机场旅客流量预测作为基础支撑尤为重要。准确的机场旅客流量长时预测可以为机场管理者优化航班执飞组织、机场航站楼及机场跑道的扩建提供参考依据;准确的机场短时客流预测可以科学组织值机和安检、智能动态分配机场航站楼资源,从而降低机场运营成本,提高机场运营效率,提高机场服务水平和旅客满意度。因此,机场旅客流量的精准预测具有至关重要的意义。本文首先对机场旅客流量预测的研究现状进行了分析,将获取到的呼和浩特机场旅客流量进行了数据的预处理,对影响机场旅客流量因素进行了分析,并对旅客流量状态区间进行了划分。然后,利用机场旅客长时流量数据及相关影响因素,建立机场旅客流量长时预测模型,即对未来某月或未来某年度的机场旅客流量进行预测与应用分析。以误差作为评价指标,对所建立的预测模型进行对比分析,发现在机场旅客长时预测中基于Prophet模型的预测效果最好,误差最小。最后,结合机场的历史旅客短时流量数据及相关影响因素,构建了机场旅客流量短时预测模型,即对未来一小时内的机场旅客流量进行预测,通过参数调整,最终得到了旅客流量短时预测结果。通过与不同的预测模型进行对比,结果表明,门限递归神经网络(GRU)模型在机场旅客流量短时预测中更为适用。本文建立了机场旅客流量长时预测模型和短时预测模型,仿真实验结果表明,Prophet模型和GRU模型分别在长短时预测中具有拟合度高且误差小等特点,可以为当下智慧机场的管理和建设提供科学的参考依据。