La predicción precisa del tiempo de salida de los vuelos permite el uso racional de los recursos de apoyo en el aeropuerto, las plataformas y los recursos de la pista, y promueve la implementación de la toma de decisiones colaborativa. Para predecir con precisión el tiempo de salida de los vuelos, este documento propone un modelo de predicción del tiempo de salida basado en aprendizaje profundo. Primero, este documento analiza la influencia de diferentes factores en el tiempo de salida de los vuelos y el factor influyente. En segundo lugar, este documento establece un modelo de unidad recurrente con compuertas (GRU), considera el impacto de diferentes hiperparámetros en el rendimiento de la red y determina la combinación óptima de hiperparámetros a través de la sintonización de parámetros. Finalmente, se lleva a cabo la verificación del modelo y el análisis comparativo utilizando los datos reales de vuelos de ZSNJ. Los valores de evaluación del modelo establecido son los siguientes: el valor del error cuadrático medio (RMSE) es 0.42, el valor del error porcentual absoluto medio (MAPE) es 6.07 y el valor del error absoluto medio (MAE) es 0.3. En comparación con otros modelos de predicción de retrasos, el modelo establecido en este documento tiene una reducción del 16% en RMSE, una reducción del 34% en MAPE y una reducción del 86% en MAE. El modelo tiene una alta precisión de predicción, lo que puede proporcionar una base confiable para la implementación de la programación del aeropuerto y la toma de decisiones colaborativa.