为实现准确的机场流量短期预测，本文建立了基于二次分解方法的分解集成预测模型。首先，应用局部加权回归周期趋势分解（STL, seasonal and trend decomposition procedure based on Loess）算法将原始时间序列分解为趋势项、季节项和余项3个分量，并计算其样本熵。其次，应用遗传算法（GA,genetic algorithm）优化变分模态分解（VMD,variational mode decomposition）参数，对熵值较大的分量进行二次分解。再次，使用极端梯度提升（XGBoost, extreme gradient boosting）对二次分解后的所有分量进行预测，采用加和集成得到最终的预测值。最后，采集国内典型机场实际运行数据进行实例分析。针对北京首都国际机场60 min进场、离场流量时序，本文模型预测的均等系数（EC,equal coefficient）值分别为0.970 3、0.995 9，相比其他常用模型均有所提高。此外，对于上海浦东、上海虹桥、广州白云3个大型国际机场，本文模型在60 min、30 min统计尺度下进场和离场流量预测的EC值均在0.970 0以上，15 min统计尺度下预测的EC值均在0.950 0以上。结果表明，本文建立的二次分解集成预测模型具有良好的准确性和普适性，用于机场流量短期预测是可行和有效的。