飞行冲突识别与调配活动在实际管制过程的占比较大,对该活动事项展开研究并研发出相应的辅助决策系统可以减轻人员的工作负荷和增强空管的服务能力。本文提出了基于神经网络的冲突识别与调配模型,通过学习历史数据获得管制员的管制策略,然后提供可被信赖的飞行识别与调配功能并完成相应系统模块程序的编写。探究相关的理论知识,该技术理论的研究往往结合航空器的运动学建立相应的数学模型,冲突识别尚可获得相对良好的效果但给出的调配方案还停留在理论阶段,难以转化为能被实际应用的系统。为此,本篇论文延续技术转化的思路,主要做了以下工作:（1）飞行数据信息处理。结合改进的飞行保护区整理出潜在冲突数据;结合潜在冲突的相应调配管制指令整理出潜在冲突调配数据;筛选出识别到的潜在冲突航空器组的航迹历史数据整理出潜在冲突调配航迹数据,结合航迹特征,对飞行数据信息做必要的解析、去重、插值、对齐等预处理。（2）分析冲突识别、管制调配的流程,建立合适的航空器飞行保护区,结合特有的缓冲区提出了一种基于改进BP神经网络的飞行冲突识别模型,能够区分冲突预警时间从而提前发现潜在飞行冲突,其中运用粗糙集理论、粒子群优化的方法对模型进行优化。（3）结合管制调配方法与实际管制指令数据,提出了一种基于改进BP神经网络的飞行冲突调配模型。针对其中有些数据无对应管制指令的问题,引入异常检测的方法。（4）从冲突调配过程中航迹数据变化的角度,结合航迹的时序、时空相关的特性,分别提出了一种基于LSTM、CNN-LSTM神经网络的冲突调配模型。（5）在仿真空管系统中集成了飞行冲突识别调配模块,利用典型冲突场景验证了算法的效果。对比传统算法,调配轨迹更贴近管制员使用的策略。本文从历史数据出发,经过识别飞行冲突、下达相应的调配方案这些步骤,利用神经网络算法完成整个飞行冲突识别与调配的流程,为未来神经网络算法参与自动化空管领域的辅助决策提供了可行的方法。