鸟撞通常是指鸟类与飞行中的飞机发生碰撞的事件。鸟撞事件的发生已不为人们所陌生，在各种媒介时有报道。进入21世纪，国内航空运输业的进步伴随着我国经济社会的发展也上了一个台阶，民航飞机的陡然剧增、航班线路频次的不断增加、民间航空领域的开放都为鸟撞的发生增加了更多的不确定因素。鸟撞发生的危害不言而喻，不仅会造成巨大的经济损失，更严重的是会威胁机组人员和乘客的人身安全，甚至会造成机毁人亡的惨剧。降低甚至杜绝鸟撞事件的发生是摆在航空界每个人面前的严肃课题，采取有效措施及早避免鸟撞事件的再次发生已是刻不容缓。如何解决鸟撞问题，科技的发展让我们看到了新的希望，数据仓库和数据挖掘技术为解决这一难题提供了契机。原始的机场区域的鸟撞防范措施主要是观测鸟情、人工驱鸟，这种方式不仅耗时耗力、前瞻性低，而且不能够有效利用鸟情观测数据，更不能对航空公司领导层提供科学决策。利用基于数据仓库的数据挖掘技术，在将机场区域长期观测到的鸟情数据进行处理分析上，构建机场区域鸟情数据仓库，进而构建数据挖掘模型利用数据挖掘技术对数据进行分析处理，进一步将所得到的挖掘结果进行系统展示，对发现的潜在信息和知识进行解释说明友好的呈现在航空决策者面前。这正是所谓的基于数据仓库的数据挖掘技术在鸟撞预警防范系统中的雏形。建立该系统可以实现数据的收集、鸟情统计、鸟情预测、鸟撞预警、决策支持等功能，在一定程度上解决了当前机场区域鸟撞事件问题的发生，为机场领导层的科学决策提供了有力的保障。本文首先介绍了数据仓库和数据挖掘的一些相关知识和研究内容，然后结合鸟撞预警防范的研究背景和国内外现状，构建了机场区域鸟情数据仓库和神经网络鸟撞模型，在完善的数据支持下进行了实验，完成了数据挖掘过程。最后对鸟撞预警防范系统的建立提供了解决方案和相关技术支持。本文所做的主要工作和创新点体现在以下几个方面：1.本文对机场区域鸟撞预警防范的相关背景和知识进行了充分的实地调研，提出了数据仓库和数据挖掘技术应用于鸟撞防治的思路和鸟撞预警防范系统建立的相关理论和实践成果。2.对某特定机场的鸟情数据进行了收集、整理和完善，建立了完善的鸟情数据标准数据集，并基于此数据集构建了机场区域鸟情数据仓库。3.利用神经网络算法建立了机场区域鸟撞数据挖掘模型，基于数据仓库进行了数据挖掘实验，通过两种神经网络算法的实验对比得出了适合本系统的的神经网络模型。4.对鸟撞预警防范系统的建立提出了解决方案、设计目标、设计原则、功能划分、系统架构等内容。为鸟撞预警防范系统的设计和初步实现打下了坚实的基础。