社会经济的高速增长促进了民航业的迅速发展,民航运输量不断增大,飞机在当今交通运输中扮演着重要角色。与飞机离不开的话题就是安全问题,民航空管的首要任务和重要职责正是安全管理。其中,对危险源的准确识别和有效分析更是安全管理中的关键环节,对整个安全管理起到决定性的影响。本文以民航空管中安全管理系统为背景,针对安全管理过程中的关键环节危险源识别及原因分析,利用改进的在线序列学习机和蚁群算法挖掘关联规则来完成识别与原因分析,并根据实际需求设计了民航安全管理系统的总体框架,对系统中的主要功能和关键技术给出了实现。论文主要工作如下:(1)分析了民航安全管理系统的需求,设计了系统总体框架,阐述了系统所用的关键技术,并给出了系统中主要功能模块处理流程。(2)由于飞机在飞行中涉及的环境影响因素和飞行设备的种类繁多、参数复杂且随飞行过程跨越不同地理区域,经纬度、天气变化引起的相关数据变化,所以危险源特征数据众多且需要实时判断。针对此问题,设计了一种基于改进在线序列学习机的危险源识别算法。利用单隐藏层前馈神经网络进行训练,将当前新到达的危险源数据添加到网络结构中,实时更新学习机输出权值,完成危险源的在线识别;并结合自适应差分进化算法,用其良好的全局寻优能力优化网络输入权值和隐层偏置,进而优化网络结构获取更准确的识别结果。(3)针对危险源原因分析中人的参与较多缺乏客观性的问题,提出一种基于混合蚁群关联规则挖掘的危险源原因分析算法。利用关联规则挖掘来探索危险源原因,且摒弃了传统关联规则挖掘算法重复扫描数据库导致效率较低及候选集过多等缺点,将改进后的蚁群算法用于挖掘最大频繁项集,同时借助粒子群确定算法初始信息素浓度,避免单一蚁群下算法初始的盲目性。(4)介绍了民航安全管理系统的应用背景,以民航安全管理关键技术为基础,给出了危险源识别、危险源原因分析、行政检查、检查结果处理等主要功能的系统实现,并将研究成果初步应用于民航安全管理系统中,取得了良好的效果。