民航客运量是航空运输的重要组成部分，对民航客运量的精确预测是航空港口规划和管理的重要依据之一。为了降低民航客运量各影响因素间的复杂相关性对模型性能的影响，建立了一种基于深度信念网络(DBN)和最小二乘支持向量机(LSSVM)相结合的民航客运量预测模型。首先通过深度信念网络对数据进行特征提取，消除变量之间的相关性，以减少最小二乘支持向量机模型的输入；并结合一种新型混沌粒子群—模拟退火混合优化(CPSO-SA)算法对模型参数进行优化，以提高模型的预测性能及泛化能力。通过将DBN-LSSVM模型方法应用于全国民航客运量的预测中，并与RBF、　LSSVM及PCA-LSSVM模型相比，结果表明DBNLSSVM模型方法能有效提高民航客运量的预测精度和预测稳定性。