La previsión precisa del tráfico de equipaje facturado de los pasajeros es crucial para la asignación y optimización eficiente e inteligente de los recursos de servicio en el aeropuerto. Un análisis sistemático de los factores influyentes y los algoritmos de predicción para el flujo de equipaje rara vez se incluye en los estudios existentes. Para capturar con precisión la tendencia del flujo de equipaje, se propone un modelo combinado de predicción de flujo de equipaje PCC-PCA-PSO-BP. Este estudio aplica el modelo para predecir el flujo de equipaje facturado de los pasajeros que salen en el Aeropuerto Internacional Chengdu Shuangliu en China. Primero, en el preprocesamiento de los datos, la interpolación múltiple demuestra un mejor efecto de interpolación numérica en comparación con la interpolación media, la interpolación por regresión y la interpolación por maximización de la expectativa (EM) en casos de datos faltantes. En segundo lugar, en términos de los factores influyentes, a diferencia de los factores que afectan el flujo de pasajeros del aeropuerto, las ventas minoristas totales de bienes de consumo tienen una relación débil con el flujo de equipaje. El flujo de pasajeros de salida y los despegues y aterrizajes de vuelos juegan un papel dominante en el flujo de equipaje. El flujo de pasajeros por ferrocarril, el flujo de pasajeros por carretera y los meses tienen efectos estadísticamente significativos en los cambios en el flujo de equipaje. Factores como los días festivos y los fines de semana también contribuyen a la alternancia del flujo de equipaje. Finalmente, se propone el modelo PCC-PCA-PSO-BP para predecir el flujo de equipaje. Este modelo exhibe un rendimiento superior en términos de velocidad de convergencia de la red y precisión de predicción en comparación con otros cuatro modelos: BP, PCA-BP, PSO-BP y PCA-PSO-BP. Este estudio proporciona un enfoque novedoso para predecir el flujo de equipaje facturado para los pasajeros de salida del aeropuerto.