航班延误每天在世界各个机场发生,严重降低了航班运行效率,给旅客出行带来了不便。统计物理方法已被广泛应用到复杂系统的研究中,但还没有应用到研究航班延误问题。Havlin首次提出时间延迟稳定性方法(TDS),并应用到了人体生理信号关联性的研究中,成功揭示了关联网络结构与生理状态的确定性关联。本文的研究目的就在于,采用TDS方法揭示美国国内客运航班之间的关联。我们分别对时间序列最长的三组航班(航班数分别为12,84,102)进行数据挖掘,基于阈值ρ构造出这些航班无量纲速度时间序列之间的时变关联态网络。我们在12个航班的关联态网络演化中找到了重复出现的关联态,即演化过程中的吸引子,它们大多数是高度稀疏的网络。这些多次出现的关联态之间的演化过程中部分演化方向是单向的,而84个和102个航班的关联态的演化没有出现吸引子。我们还找到了关联态网络连边数量的航空意义。12个航班的关联态网络连边数与航班延误率之间存在明显的正相关。对于84个和102个航班这两组数据,我们发现当航班延误率超过65%时,关联态网络的平均度在延误率达到最大前均达到了峰值,随后明显下降。因此关联态网络连边峰值可以用来作为大规模航班延误的预警信号。同时网络连边数序列和延误率序列的Hurst指数数值相近,揭示了两者具有相似的记忆效应。最后,我们基于数据挖掘确定了阈值ρ的合理取值范围。航班数量为12时,阈值ρ的范围应当为0.5-0.6。航班数量为84和102时,阈值ρ的范围应当为0.4-0.6。