随着我国民航运输业的快速发展,现有空域趋于饱和、甚至部分地区处于超饱和状态,扇区容量已不能满足现有的空域流量,同时管制员工作负荷伴随着流量的增长呈现出了大幅增长的趋势,部分区域或终端管制区的管制员工作负荷甚至超出其管制阈值。因此,对管制员工作负荷准确地评估是合理分配管制压力、保障扇区中航空器安全、高效、有序运行、提升扇区容量的基础。本文首先阐述了国内外学者对工作负荷评估方法的相关研究成果,探讨相关评估方法的实施过程与优缺点,明确对管制员工作负荷评估的目的和意义。随后根据相关研究者的研究与管制员座谈分析得到13个扇区复杂性指标,并以这些指标作为研究模型中的自变量,使用自评估ATWIT值作为因变量,再者通过实施管制模拟实验采集扇区复杂性指标数据,并对数据进行整理、分析,最后对管制员的工作负荷进行非线性与线性研究,旨在分析出何种方法能够快速、准确地评估出管制员工作负荷。本文采用了三种方法:BP神经网络算法采用原始13个变量作为输入层,随后进行网络模型训练得到管制员工作负荷评估值;基于主成分分析与因子分析的BP神经网络算法是在第一种方法的基础上将输入层的节点数缩减,并以此来提高评估模型的精确性;最后采用线性建模法建立模型,并与前两种模型的评估均方误差进行对比,最终得到基于因子分析与主成分分析的BP神经网络算法模型的评估准确性更高。