本发明公开了一种机场航班大面积延误风险的预测方法，具体包括以下步骤：收集历史数据，并进行预处理；利用随机森林算法筛选关键因子；对筛选后的数据进行类别特征数值化和归一化处理，随机抽样分为训练集和测试集；针对上述数据，运用canopy聚类进行粗略聚类，找出初始簇；利用canopy找出的簇作为k值，采用K‑means算法进行多特征的精聚类；计算每簇中大面积延误的发生概率；通过输入某小时机场天气和航班信息进行分类，实现该小时机场航班出现大面积延误的风险预测。本发明能较为准确地预测机场短期发生大面积延误的风险；改进了只针对单一航班延误预测的弊端，能够综合考虑诸多影响因素，提高预测的精准程度；解决当前对机场航班大面积延误的风险预测问题。