近年来,由于人因失误造成的航空安全事故频发,如何提高和确保飞行员的安全绩效成为航空企业管理者和航空心理学家所关注的焦点问题。对飞行员来说,家庭与工作间的冲突以及长时间的飞行疲劳,会成为很重要的压力来源,进而影响航空安全绩效。人工神经网络是由众多神经元可调的连接权值连接而成的数学模型,在优化、信号处理、智能控制等众多领域有着广泛的应用。相比传统统计分析方法,人工神经网络模型具有大规模并行处理、分布式信息存储、灵活性大、良好的自我学习能力等特点。然而,目前该模型在国内心理学领域的应用较少,尤其是航空心理学领域几乎没有相关的研究。本研究采用家庭-工作冲突分量表、飞行员安全绩效二维量表、中文版多维疲劳量表(MFI-20)对随机选取的259名民航飞行员进行了问卷调查,分别使用RBF(径向基)神经网络与逐层回归(Hierarchical Stepwise Regression)对数据进行分析与建模,从而建立飞行员工作绩效与家庭-工作冲突、飞行疲劳间的神经网络模型,并与传统统计模型进行对比分析。结果显示,RBF神经网络模型相比于层次回归模型,具有更高的拟合与预测精度,且通过RBF神经网络模型所绘制的3D图形显示家庭-工作冲突,飞行疲劳与安全绩效的各维度之间存在一种非线性的关系,即高家庭-工作冲突和飞行疲劳会以非线性方式降低飞行员的安全绩效。相比于传统线性统计模型,人工神经网络模型具有更好的非线性拟合能力,并且可以更准确的描述与预测变量间的非线性关系,从而为航空心理学提供了一种新的研究方法,具有广阔的理论和应用前景。