基于文本挖掘的航空不安全态势匹配及预测主要是通过对文本和语音数据源进行联合研究,通过对航空不安全事件报告、陆空通话数据进行文本特征挖掘和语义挖掘分析,利用外推算法进行风险预测,采用距离函数度量案例事件的相似性,将风险预警问题转化为寻找与实际险情模式最相似的标准险情事件模式。首先,对多源数据进行预处理分析。对于文本数据,基于jieba分词工具并构建民航领域词典,将非结构化的事件报告转化为标准特征词向量;对于语音数据,提出基于改进讯飞云算法的语音识别算法,并利用不确定性有限自动机理论转化为结构化文本指令。第二,针对预处理后的文本数据进行文本特征挖掘并构建风险模式案例库。提出基于民航领域概念词典,将表达含义相同但文本表述不同的特征词汇进行属性归类,并进行属性特征分析,基于知识框架的形式构建案例库。第三,针对预处理后的语音数据进行文本语义挖掘并提取陆空通话的指令参数。提出基于word2vec文本语义相似度算法并构建标准指令格式,解决了管制员因呼号习惯导致通话指令不规范等问题,在此基础上提出基于SSM（语义相似模型）前缀因子的正则匹配算法,提高了指令识别效率和准确率。第四,将文本挖掘算法的操作和结果运用于实时态势匹配及预测。提出基于粗糙集理论的加权欧式距离相似度算法,可以区分属性特征差异性并优先匹配属性权值大的特征,并对实时指令进行语义分析并提出基于直接外推法的轨迹预测,识别未来一段时间产生风险态势的可能性及类别。