在民航管制系统中,由于终端区存在空域调配空间小、进离场交叉汇聚飞行冲突多等问题,使得该区域内管制运行复杂,不安全事件发生数量相对较多,导致终端区管制运行风险大,故从预警角度出发,识别终端区管制运行风险因素,建立风险预警模型是非常有必要的,本文针对以上问题开展了以下研究:首先,详细介绍终端区管制运行的过程,收集来自2010年-2020年11年的终端区不安全事件调查数据,经过统计分析,采用“2-4”模型对终端区管制运行不安全事件发生的因素进行识别,并结合相关文献资料、政策法规以及专家意见,得出终端区管制运行风险因素集。其次,采用LSA分析法和系统动力学两种方法对风险因素集进行关键风险因素提取。通过LSA分析法得到风险因素发生可能性和严重性均值,绘制终端区管制运行风险因素LSA图,得到16个不可接受风险因素;再采用系统动力学法研究风险因素对终端区管制运行风险的敏感性,得到相应敏感性分析曲线和敏感系数,通过敏感系数大小反映风险因素对终端区管制运行风险预警研究的重要程度;结合LSA分析图和敏感性分析分析曲线,选择风险因素敏感系数大于等于9.252作为关键风险因素（21个）。最后,建立基于K均值-CART算法的终端区管制运行风险预警模型。制定《终端区管制运行风险因素调查问卷》,向北京终端区、成都终端区以及其他中小机场终端区发放问卷,取得200有效问卷数据;对回收数据进行问卷信效度检查,说明问卷合理性和可靠性。采用K均值算法将样本数据进行聚类,并将得分（Score）属性作为每类的标签,最终得出对应的得分范围和预警等级:当得分大于等于240分时将其划为V安全,得分在[231,240)内为IV轻度预警,在[221,230)以内为III中度预警,在[209,221)以内为II重度预警,得分小于209分时为I危险预警。选择CART算法搭建终端区管制运行风险预警模型,进行模型训练和实例验证,得到预警实际输出结果和评价参数,该预警模型的准确率达到90.87%,召回率达到91.24%,说明与其他四种算法（BP神经网络、支持向量机、随机森林、贝叶斯算法）相比K均值-CART算法准确度最高的。