El retraso en la gestión del flujo de tráfico aéreo (ATFM) puede reflejar cuantitativamente la congestión causada por el desequilibrio entre la capacidad y la demanda en una red de espacio aéreo. Además, es un parámetro importante para el análisis ex-post de la congestión del espacio aéreo y la efectividad de la implementación de estrategias de ATFM. Si los retrasos de ATFM se pueden predecir con antelación, se puede mejorar la previsibilidad y efectividad de las estrategias de ATFM. En este artículo, se propone un método de predicción de regresión de retrasos de ATFM a corto plazo para las características de las múltiples fuentes, alta dimensión y complejidad de los datos de predicción de retrasos de ATFM. El método primero construye un modelo de red de predicción de retrasos de ATFM, especifica el objeto de predicción y propone un sistema de índices de predicción de retrasos de ATFM integrando información común de control de flujo. En segundo lugar, se proponen un método de predicción de retrasos de ATFM basado en módulos de extracción de características (incluyendo CNN, TCN y módulos de atención), un algoritmo de optimización heurística (algoritmo de búsqueda de gorriones (SSA)) y un modelo de predicción (LSTM). El método construye un modelo CNN-LSTM-ATT basado en la optimización de SSA y un modelo TCN-LSTM-ATT basado en la optimización de SSA. Finalmente, se seleccionan cuatro aeropuertos concurridos y sus principales puntos de referencia en el este de China como nodos de la red de predicción de retrasos de ATFM para la validación del ejemplo. Los resultados experimentales muestran que los MAEs de los dos modelos propuestos en este artículo para la predicción de regresión de retrasos de ATFM son de 4.25 min y 4.38 min, respectivamente. En comparación con el modelo CNN-LSTM, los errores se reducen en 2.71 min y 2.59 min, respectivamente. En comparación con el modelo TCN-LSTM, los tiempos son de 3.68 min y 3.55 min, respectivamente. En este artículo, se construyen dos modelos LSTM mejorados para mejorar la precisión de la predicción de la duración del retraso de ATFM con el fin de proporcionar apoyo para el establecimiento de un mecanismo de alerta temprana de retrasos de ATFM, mejorar aún más la gestión de retrasos de ATFM y aumentar la eficiencia en la asignación de recursos.