随着国内航空业持续高速发展,近几年运输类飞机数量每年以100多架的速度增长。安全是民用航空运输永恒的主题,民用航空器SDR(使用困难报告)能够反映出民用航空的管理水平和安全状况,因此对SDR进行预测有着重要意义。论文的研究工作主要是基于人工神经网络理论的分析,针对民用航空器SDR预测问题,在分析影响SDR发生的诸多因素基础上,指出了采用传统预测方法对SDR进行预测存在的弊端,并提出了应用BP神经网络来预测SDR的新方法;通过建立预测模型,对波音737机型2007年1-12月SDR数量进行了预测,预测结果的精度很高。表明用BP神经网络对民用航空器SDR预测完全可行,并且效果很好。针对BP神经网络在权值调整过程中存在的收敛速度慢、易陷入局部极小点的固有缺陷,本文采用遗传算法来优化BP神经网络,并对遗传BP神经网络进行了实证研究,证明了遗传BP神经网络在预测精度、运行速度方面均有很大提高。该方法在对波音737飞机SDR进行预测时,也有很好的适用性,并进一步提高了精度。本文在遗传BP神经网络模型的基础上预测了该机型未来几年的SDR数量,具有一定的参考意义。最后得出结论,遗传BP神经网络应用于民用航空器SDR预测方面有着很好的前景和应用价值。