航空公司收集机队飞行数据的技术已较为完善。对大量飞行数据进行挖掘,从而提高航空公司机队的飞行安全水平已成为一个很有意义的研究课题。为提高航班运行的安全性,改善飞行员的飞行品质,将数据挖掘技术运用到民航领域越来越受到重视。航空公司现行的传统数据分析方法大多基于超限检测原理,本文尝试将支持向量机、灰色关联分析、典型相关分析、聚类分析等数据统计与挖掘算法应用到实际QAR数据上,并分析不同算法在QAR数据挖掘上的有效性。本文主要研究工作概括如下:（1）介绍了飞行数据记录系统的发展历程,分析了QAR数据的特点,以及国内外对QAR数据的典型应用;概述常用的数据挖掘技术的特点与适用场景,并以某一数据挖掘的实例介绍了飞行数据挖掘的基本框架,并就框架中的各步骤的主要工作进行了简要分析。（2）利用支持向量机预测模型对表征发动机性能的重要参数高压转子转速N₂,分别进行一步、二步、三步的预测,并就其预测效果与自回归预测模型进行比较,分析了两种模型的预测性能。（3）研究了利用灰色关联分析方法分析各种参数对着陆载荷的影响,并总结飞机在进近着陆过程中发生重着陆现象的原因;在此基础上利用典型相关分析方法针对单个航段着陆载荷,分析了各参数对着陆载荷影响的大小。（4）研究了基于密度聚类分析的方法针对飞机起飞爬升阶段与进近着陆进行异常检测的有效性。首先概括说明了基于密度聚类分析的基本概念与计算方法,然后将其应用到实际的飞行数据上进行异常检测,测试该方法的有效性,并分析了异常航班发生的原因,尝试总结异常现象背后的一般规律。