民航行业的发展受到众多因素的影响,具有高敏感性、高风险性的特点,为了有效规避风险,需要敏锐掌握民航行业未来一段时间可能出现的异常情况。基于此,本文对民航行业发展预警方法进行了研究。本文构建了一套基于预警信号灯系统和长短期记忆网络(Long Short Term Memory,LSTM)的民航行业发展预警方法,将传统的预警方法与深度学习方法中的LSTM算法相结合,解决了传统的预警方法中预测功能较弱的问题,提高了对未来警情预测的准确性。本文的研究过程分为五步:一是选取预警指标,通过预警指标初选和优选,建立了包含19个三级指标的预警指标体系;二是确定各预警指标的权重,本文采取的方法是标准差修正序关系法;三是构建预警信号灯系统,并对以往年份的警情进行分析;四是构建LSTM预测模型,并对预警指标2019年和2020年的值进行预测;五是结合预警信号灯系统和LSTM预测模型预测未来的警情。研究表明:本文构建的基于预警信号灯系统和LSTM预测模型的预警方法能较好地反映中国民航行业的发展状况,且对预警指标的预测准确率较高。2019年和2020年的警情可总结为四点:发展规模增速出现较大下降;安全形势较为严峻;保障能力不足的问题较为突出;宏观经济下行压力较大。