近年来,机场大力发展基础设施建设,其能源消耗也随之增加。在此背景下,论文开展了机场运行能源需求预测模型的研究工作,并通过实验证明了所提方法在机场能源数据的预测上,具有较高的预测精度。准确预测机场能源需求趋势,对其发展有非常重要的指导意义。首先分析了机场能源需求现状,对机场能源数据进行处理。针对机场能源数据结构复杂,人工记录的能耗数据的准确性差,统计周期长,对需求预测将会造成干扰的问题。采用SQL数据库建立了机场运行能源需求预测模型后台数据库,对机场能源数据进行统一整理、存储。结果表明,所建的数据库大大节约了时间成本,还能够保证记录的数据符合标准,格式一致,意义合理。其次分析和论述了模糊支持向量回归算法在处理小样本回归预测时,拥有较好的推广能力以及抗噪声能力。针对机场数据存在离群点的特点,论文对该算法进行了改进,优化了隶属函数的选取方法以及预测模型的参数,建立了机场能源需求预测模型,并对所建模型进行了验证,结果表明,与BP神经网络方法相比,采用的FSVR方法的预测准确率提高了2.66%,对离群点的识别率提高了3.72%。然后利用预测模型建立了机场能源数据的综合管理,实现了Matlab、数据库与预测模型之间的数据交互。结果表明,该方法作为机场能源需求的一种预测方法是切实可行的,在实际工作中能够有效提高系统的分析效率,更好地为能源系统分析与优化提供支持。