为实现对航班正常率的精准预测，根据航班延误原因进行数据统计，构建了包含起飞机场、目的地机场、流控信息、航路航线性质的航班正常预测指标体系，提出了基于SMOTE算法的XGBoost分类预测模型（SM-XGBoost模型）和基于SMOTE算法的LightGBM分类预测模型（SM-LightGBM模型），并以华东地区主要机场实际数据为基础，对所提模型的有效性和先进性进行了验证。结果表明：SM-XGBoost模型和SM-LightGBM模型在预测准确度和误差上明显优于决策树和随机森林模型；在训练集和测试集稳定性上，SM-LightGBM模型优于SM-XGBoost模型，对测试集的预测准确率最高达88.2%。该方法为类似复杂系统事件预测提供了一种新的分析思路。