Con el rápido desarrollo de la aviación civil de China, el flujo de tráfico aéreo en áreas terminales también está aumentando. La predicción del flujo de tráfico aéreo a corto plazo es de gran importancia para la implementación precisa de la gestión del flujo de tráfico aéreo. Para mejorar la precisión de la predicción del flujo de tráfico aéreo a corto plazo, este artículo propone un modelo de predicción del flujo de tráfico aéreo a corto plazo basado en la descomposición empírica del modo de conjunto complementario (CEEMD) y la memoria a corto plazo (LSTM) del algoritmo de optimización bayesiana y el procesamiento diferencial de datos. Inicialmente, el modelo realiza CEEMD en la serie de flujo de tráfico aéreo a corto plazo. Posteriormente, para mejorar la precisión de la predicción, se emplea el diferenciación de datos para estabilizar la serie temporal. Finalmente, las secuencias suavizadas se introducen, respectivamente, en el modelo de red LSTM optimizado por el algoritmo de optimización bayesiana para la predicción. Después de la reconstrucción de datos, se obtiene el resultado final de la predicción del flujo aéreo a corto plazo. El modelo propuesto en este artículo se verifica utilizando los datos del Aeropuerto Internacional de Shanghai Pudong. Los resultados muestran que los índices de evaluación de la precisión de la predicción y el grado de ajuste del modelo, RMSE (Error Cuadrático Medio), MAE (Error Absoluto Medio) y (Coeficiente de Determinación), son 0.336, 0.239 y 97.535%, respectivamente. En comparación con otros modelos clásicos de predicción de series temporales, la precisión de la predicción se mejora considerablemente, lo que puede proporcionar una referencia útil para la predicción del flujo de tráfico aéreo a corto plazo.