民航业作为交通运输领域重要的组成部分,正处于高速发展的时期,这同时也带来了航空流量增加、飞行冲突频繁等问题,所以为保证民用航空器的运行安全,高效快速的解决冲突情况就变得尤为重要,本文顺应信息化时代发展的需求,从航空器冲突解脱历史数据入手,利用数据挖掘的方式分析冲突解脱方案的选择规律,将粗糙集理论与神经网络模型相结合的方法引入到航空器冲突解脱的研究中,以经验数据信息为指导,高效客观的选择航空器冲突解脱方案。论文分析了影响航空器冲突解脱方法选择的若干因素,面向该主题整合信息来源,选取可以辅助支持决策的数据仓库作为数据的存储载体,依照需求分析、概念模型设计、逻辑模型设计、物理模型设计的步骤构建完整的航空器冲突解脱方案数据仓库系统,为整个算法模型提供数据样本。利用粗糙集的属性约简功能将航空器冲突解脱方法数据仓库对应生成的决策表进行属性约简,去除冗余属性,通过重要度计算明确关键属性并分配权值,生成约简后的最小属性集合,进而建立粗糙集与神经网络相结合的航空器冲突解脱方法分类模型,设计模型结构和网络层次,运用MATLAB软件构建神经网络,对航空器发生冲突情况时的解脱对象进行分类。最后引入典型案例库进行具体冲突解脱方案的匹配,将分类信息进一步结合案例推理技术,计算属性以及典型案例的相似度,利用最近邻算法找出最相似案例,对实际冲突解脱提供指导。本文的研究是从数据中获取信息指导航空器冲突解脱方案的选择,在处理模糊问题时用粗糙集对神经网络的输入数据进行属性约简可以在一定程度上简化网络结构,提高网络训练效率,神经网络与案例推理技术配合进行航空器冲突解脱方法的选择,可以将网络模型与专家经验有效的结合起来,有利于得到更加具体准确的解脱方案,总体来说,本文在数据挖掘和航空器冲突解脱方面,都具有一定的理论参考和实际运行指导的价值。