随着民航业的快速发展,飞行器数量和机场吞吐量高速增长,航空安全事件呈上涨和多元化趋势。不断提升民航安全水平,成为国家和相关企业发展民航业的首要任务。充分利用航空安全事件信息,对航空安全事件进行关联分析是有效预防航空安全事件的重要方式。在以往研究当中,主要针对单一事件进行分析,而对多个事件的关联分析研究比较欠缺,在深入分析航空安全事件特点的基础上,本文提出一种改进的FPgrowth算法,通过引入跨层次频繁项和修补项,每层设置不同的支持度自底向上对编码后的多层次属性进行挖掘,最后得到事件原因、事件结果、运行阶段、事件类型等多种事件属性之间的多层关联规则。结果表明,该方法能够实现在航空安全事件不同的概念层上进行自适应的关联规则挖掘,并与其他多层关联规则挖掘算法对比,本文所研究的方法能够有效提高运行的效率,实现对航空安全事件的关联分析。基于改进的FP-growth方法挖掘出的关联规则缺少相应的知识路径,因此在此基础上引入知识图谱,航空安全事件知识图谱涉及丰富的事件信息,包含航空安全领域概念和人员属性、飞机属性、发动机属性、环境属性、其它属性等多个属性实例。结合航空安全事件知识图谱特点,本文提出一种知识图谱关联分析NRLvLR(New Rule Learning via Learning Representation)模型,采用知识图谱表示学习和定义评分函数来实现航空安全事件知识图谱规则的挖掘,得到包含谓词和实体的规则,实验结果表明,该模型比其他模型挖掘出的高质量规则更多,运行时间更短,可以挖掘出知识图谱中隐藏且有价值的关联规律信息,生成针对性的安全建议,为民航安全提供语义决策服务。