一个或多个维度的影响因素共同作用、相互影响形成了不同类型的民航不安全事件。民航不安全事件影响因素的研究是目前学术界研究的热点,但不同影响因素之间的关联关系和关联程度以及几种典型不安全事件影响因素之间的差异研究则少有论及。针对这个问题,首先基于已有研究结论对指标进行初步选取,并结合航空安全报告系统（ASRS）数据特点构建了一个包含3个层次5个维度66个指标变量的影响因素体系评价模型,在此基础上进行影响因素关联规则挖掘。采用AHP-DEMATEL法赋权弥补传统Apriori关联规则算法没有考虑影响因素之间重要性差异以及关联规则因果逻辑混乱的不足,提出了加权有序定向约束Apriori算法。应用改进的Apriori算法分别对ASRS数据库中的4种典型民航不安全事件影响因素进行关联规则挖掘,对挖掘的强关联规则进行分析解读。此外,还将关联规则挖掘结果和传统统计分析结果进行了对比。主要研究结论如下:（1）利用数学统计方法对指标体系中重要的影响因素进行了分布特征分析,发现近十年不安全事件报告数量呈波动上升趋势;影响飞行安全的恶劣天气占比依次为多种复杂天气、湍流、雷暴、雨天、冰雹、风切变等;4种典型不安全事件常发生的飞行阶段存在明显差异;人的因素中情景意识错误或丧失在4种典型不安全事件中占据主导,其他人因占比存在差异;没有按发布的标准程序性材料/政策执行在可控飞行撞地、不稳定进近事件中占比最多,飞机设备故障是造成飞行中失控和飞机燃油事件最多的问题等。（2）通过改进后的Apriori算法挖掘典型不安全事件影响因素的关联,发现环境因素尤其是恶劣天气,如风切变、湍流等与飞行中失控事件存在明显关联;可控飞行撞地事件和不稳定进近事件受恶劣天气的影响相对较小,但这两类不安全事件在飞行阶段的分布上关联明显,起始进近和最后进近是造成这两类事件发生的两个主要飞行阶段;飞机燃油事件多发生在冬季,且与飞机设备问题关联紧密等。（3）将关联规则挖掘结果和分布特征统计结果进行对比,发现高频出现的影响因素也多出现在强关联规则中,但高频影响因素的关联规则强度并不一定高。总的来说,关联规则挖掘的结果维度更全面,更有参考价值。将改进的Apriori算法应用于不安全事件影响因素的关联规则挖掘,可为相关领域研究提供理论支持和技术参考。