飞行品质监控是保障民航业稳定持续安全发展的一项重要工作,具有事先预防飞行安全事故的重要作用。快速存储记录器（Quick Access Recorder,QAR）通过记录航班飞行过程中的位置、飞行姿态以及飞行操作等参数,为飞行风险研究提供了全面而完整的数据。飞机在降落阶段对准跑道的过程被称为进近,进近的不稳定容易导致在降落阶段发生重着陆、擦机尾、偏离跑道等严重事件。因此,对不稳定进近事件的风险分析以及精确预警可以有效保障飞机的降落安全。本文使用中国民航科学研究院提供2019年全年的QAR数据,并对2019年全年全国范围内的民用航空飞机不稳定进近风险及时空特征进行全面的研究,并对不稳定进近风险进行定量预警。本文的主要研究工作如下:（一）基于贝叶斯网络的进近风险分析为了挖掘不稳定进近事件与飞行员操作、气象条件、飞机姿态等相关参数之间的关联关系从而进行风险分析。本文首先基于QAR数据利用关联规则分析包括飞行员的操作动作以及外部环境对降落期间飞行的影响,如油门分解器角度、风力、风向对飞机姿态的影响。然后利用贝叶斯网络对不稳定进近事件进行建模,结合关联规则分析结果进行贝叶斯网络的构建,并利用进近阶段的QAR数据学习贝叶斯网络的参数,并计算贝叶斯网络的条件概率,最后利用构建的模型进行进近阶段风险的事件影响因素的推理与诊断分析,得到相关参数与进近阶段的风险事件之间的关系。（二）不稳定进近事件时空特征及要素分析由于不稳定进近事件大多发生在航班降落阶段,即发生在机场附近区域。因此将各事件与机场进行关联以挖掘不稳定进近事件的发生与机场属性、气象属性之间的关联,如机场海拔、天气、季节等。本文对不稳定进近进行探索性时空分析,同时利用皮尔逊相关系数与地理加权相关系数进行不稳定进近与要素间的相关性分析。为了进行要素分析,本文利用地理加权回归分析、多尺度地理加权回归分析与时空地理加权回归分析对不稳定进近事件进行不同时间尺度与空间尺度的分析,得到不稳定进近事件的时空分布规律与成因要素关联情况。（三）不稳定进近风险预警为了降低不稳定进近事件带来的危害,本文对不稳定进近风险,包括俯仰角超限、横滚角超限以及下降率超限进行定量预警,便于飞行员进行提前感知。首先通过特征工程选取相关性较大的特征以提高预警模型的准确度,并降低预警模型的难度。最后利用树模型中的XGBoost模型以及神经网络模型中的长短记忆网络（Long Short Time Memory,LSTM）模型构建不稳定进近预警模型,并使用QAR数据对其进行训练与优化,从而提供不稳定进近事件的精准预警。