大雾是影响飞行的重要天气现象。因此，准确预测大雾，保证航班的安全、正点是一个重要课题。本文通过浓雾引发的不安全事件，阐述了预测大雾的必要性，总结了国内外大雾预测方法及其研究成果。收集了成都地区2004—2012年267次大雾案例，归纳了大雾日的气压、温度、湿度、露点温度、风速等数据，建立了大雾预测的指标体系。抽取其中的100个大雾案例作为样本，建立了大雾预测模型，利用粗糙集方法约简出核心指标，使用支持向量机实现大雾等级的预测。最后，分析了现行雾天签派放行存在的缺陷，提出了定量的签派放行程序的准备工作及实现过程，根据具体案例，梳理了大雾天气下航班放行注意事项及流程。结果表明：影响大雾出现的核心指标有最大海平面气压指标、平均海平面气压指标、最小温度指标、最小露点指标、平均相对湿度指标、最大风速指标、500hPa高度温度指标、925hPa高度相对湿度指标、500hPa高度风速指标、700hPa高度风速指标、925hPa高度风速指标。通过支持向量机对训练样本的训练测试，确定径向基核函数的参数为：核参数g=0.1，惩罚因子C=10。利用粗糙集和支持向量机方法预测大雾等级的方法对样本的分类正确率为93.3%，效果较好。粗糙集算法得到约简结果作为大雾预测的核心指标，能保证支持向量机的分类正确率，并缩短训练时间和实验时间。依据粗糙集和支持向量机的大雾等级的预测结果，得出对雾的定量签派放行程序理论，可改进航空公司对雾的定性的放行理论，有效地指导签派员的放行决策，减少航班的备降和取消。