Explorar la causalidad del retraso entre aeropuertos y comparar los patrones de propagación del retraso en diferentes redes de aeropuertos es fundamental para comprender mejor los mecanismos de propagación del retraso y proporcionar estrategias efectivas de mitigación del retraso. Se propone una novedosa red neuronal de convolución gráfica recurrente basada en atención para identificar la relación oculta de causalidad del retraso entre aeropuertos en tres redes de aeropuertos diferentes de China. Las tres redes de aeropuertos seleccionadas muestran grandes heterogeneidades en las características topológicas, como la intensidad media, la modularidad y la centralidad del vector propio. Los resultados de la modelización indican que las redes de causalidad del retraso identificadas en las tres redes de aeropuertos varían considerablemente en términos de complejidad, distancia de propagación del retraso y eficiencia. Además, el estado de retraso de cada aeropuerto se categoriza en tres niveles, y se explora la transición del estado de retraso de las tres redes. Los resultados indican que la transición del estado de retraso en el Área de Control del Norte de China exhibe una forma de transición bidireccional obvia que se propaga principalmente entre los aeropuertos de gran grado y los aeropuertos de pequeño grado, mientras que los retrasos severos de algunos aeropuertos hub representan una proporción relativamente grande en las otras dos redes. Los resultados de este estudio podrían revelar mejor el mecanismo de propagación del retraso entre aeropuertos y ayudar a los operadores de aeropuertos a desarrollar estrategias efectivas para aliviar los retrasos de vuelos y mejorar la eficiencia operativa de los aeropuertos.