【摘要】为提升航空运输预测的抗外界干扰能力，改变传统时间序列的数据趋势预测弊端，以突发公共事件为个体引导特征，构建事件生命周期延续下的ABI飞行量预测机制。运用SPSS数据分析技术，统计分析历史公共突发事件对航班飞行量的影响，机器学习飞行量与突发事件的斯皮尔曼关联性，建立的BP神经网络的飞行量预测改善模型，利用突发事件与飞行量趋势变化作为训练函数，改进的Matlab.net对样本数据进行训练，修正各层神经元权值和阈值使误差函数沿负梯度方向下降，逼近期望预测值。以新冠疫情下的我国民用运输飞行量预测为例，验证模型和算法的可行性和预测效果；结果表明：BP神经网络的计算搜索技术一定程度内解决了突发公共事件与飞行量变化的复杂非线性映射关系，最优验证集均方误差得到最接近期望的预测结果。