在新型冠状病毒肺炎疫情对航空货运的影响下，月度航空货运量出现异于历史趋势的极端数据，而传统航空货运量预测模型有在极端数据影响下误差较大的问题。因此，研究了适用于后疫情时代的中国航空货运量短期预测方法。对2009—2020年中国航空货运量月度数据进行分析，发现中国航空货运量呈稳定增长趋势。受疫情影响出现短期剧烈波动，在假设疫情对航空货运的影响逐渐减弱的前提下，选取Holt-Winters乘法模型与求和自回归移动平均ARIMA乘积季节模型分别提取航空货运量数据的长期趋势、周期特征和短期波动特征，并采用4种不同权重确定方法构建了多个航空货运量组合预测模型。运用Holt-Winter模型、ARIMA模型及其组合预测模型对2021—2022年中国航空月度货运量进行了预测，以2021年1月—5月的航空货运量数据作为验证数据集，对比分析了不同预测模型的预测误差。结果表明：Holt-Winters与ARIMA组合预测模型的平均绝对百分比误差与最大绝对百分比误差普遍小于自身单一模型的；基于最小二乘法赋权的组合模型预测效果最优，基于残差倒数法赋权的组合模型预测效果次优；最优组合模型的平均绝对百分比误差为1.93%，比次优组合模型降低了8.53%，较单一的Holt-Winters模型与ARIMA模型分别降低了71.70%与20.58%，验证了最优组合模型对后疫情时代中国航空货运量月度数据预测的有效性。