Al explorar el problema de retraso de vuelos, los algoritmos tradicionales de aprendizaje profundo sufren de baja precisión y una complejidad computacional extrema; por lo tanto, el algoritmo de predicción de retraso de vuelos profundos es difícil de implementar directamente en el terminal móvil. En este documento, se propone un modelo de predicción de retraso de vuelos basado en el algoritmo de red ligera ECA-MobileNetV3. El algoritmo primero procesa los datos con información real de vuelos e información meteorológica. Luego, para aumentar la precisión del modelo sin aumentar demasiado la complejidad computacional, se realiza la extracción de características utilizando el algoritmo ligero ECA-MobileNetV3 con la adición del mecanismo de Atención de Canal Eficiente. Finalmente, el nivel de predicción de clasificación de retraso de vuelo se produce a través de un clasificador Softmax. En los experimentos de conjuntos de datos de un solo aeropuerto y de conglomerados de aeropuertos, la precisión óptima del algoritmo ECA-MobileNetV3 es del 98.97% y 96.81%, el número de parámetros es de 0.33 millones y 0.55 millones, y el volumen computacional es de 32.80 millones y 60.44 millones, respectivamente, lo cual es mejor que el rendimiento del algoritmo MobileNetV3 bajo las mismas condiciones. El modelo mejorado puede lograr un mejor equilibrio entre precisión y complejidad computacional, lo cual es más beneficioso para la movilidad.