航空公司维修质量管理是民航信息管理中的重要内容。对维修管理的安全质量进行评估,对可能存在风险隐患进行分析,执行相应的调控措施并对未来状况进行预测,这能有效提高航空公司维修管理系统的安全可靠性。针对维修质量安全问题,从航空公司的维修质量管理系统入手,通过总结已有研究存在的不足,本文从评价、调控、预警三个方面提出了以下的研究内容:首先,根据航空公司维修质量管理的要求建立了指标体系,通过模糊综合评价方法以及区间数学的理论结合贝叶斯方法构建了维修质量安全状况的贝叶斯网络模型。通过建立的模型对安全状况进行评价,通过贝叶斯推理查找并分析了风险因素。其次,基于互信息的计算对贝叶斯网络模型中的节点进行缩减,利用随机集理论知识结合构建的贝叶斯网络模型,对组合原因下的安全状况正向诊断以及反向推理进行分析。然后,面对有标记样本不足的问题,基于半监督学习的基于贝叶斯神经网络方法有效利用了系统中的无标记样本,完成了半监督贝叶斯神经网络训练。训练集和测试集上的结果验证表明了其有效性。通过训练的网络结合方差分解的方法,计算了各个因素的敏感性指标,对指标之间的关联影响进行了分析并根据风险因素的敏感性进行组合调控。最后,针对维修质量管理系统的预警问题,利用半监督的思想对样本进行了拓展。然后利用深度信念网络对维修质量管理的安全状况进行分类预测,能得到更好的分类预测精度。计算结果表明,基于半监督思想的深度信念网络在计算时间满足实际需要的情况下,相比神经网络和深度网络取得了更好的预测结果,能对维修质量管理系统进行有效的预警。