民航不安全事件报告是记录飞机事故及事故征候等不安全事件信息的重要方式之一,也是发现并纠正目前系统存在缺陷的重要依据之一,然而目前对于民航不安全事件报告信息挖掘的研究却非常少。为了能够更加深入的从民航不安全事件报告中挖掘安全信息,本文以飞机冲偏出跑道/滑行道场景为例进行研究,以该场景下的民航不安全事件报告为数据源,通过人为差错识别、人为差错量化、主题建模、词向量计算等一系列步骤,开展民航不安全事件报告信息挖掘的研究。首先,以STPA方法与BP神经网络方法为基础,通过应用STPA方法识别该场景中存在的人为差错,构建该场景下的人为差错鱼骨图,将人为差错鱼骨图作为构建BP神经网络的依据,以ASRS系统中该场景下近5年的不安全事件报告作为数据源,经过对该BP神经网络的训练与测试,得出该场景下的BP神经网络模型,对该模型的权值进行计算,得出该场景不同发生阶段与不同人为差错之间的映射关系。其次,以LDA主题模型与Word2Vec词向量模型为基础,通过应用LDA主题模型分析得出该场景下民航不安全事件报告的文档-主题分布与主题-词分布,接着应用Word2Vec词向量模型得出主题与致因因素标签之间的映射关系,从而构建出了文档与致因因素标签之间的映射关系,实现该场景下民航不安全事件报告致因识别的功能。结果表明,以民航不安全事件报告为依据,通过将STPA与BP神经网络方法结合、LDA主题模型与Word2Vec词向量方法结合,可以有效地挖掘民航不安全事件报告中的潜在信息,为民航不安全事件报告的研究提供一种思路。