本发明涉及智能识别领域，具体涉及了一种基于神经网络的飞行动作识别方法，针对传统的飞行动作以人工判读为主方法效率低下、严重制约飞参数据分析应用的准确性及客观性等问题，深化利用多飞行状态、多环境、多维度的飞参数据，采用无监督聚类模型实现参数降维，建立神经网络深度学习识别模型并依据历史飞行参数对模型进训练。该方法首先将原始数据进行原码工程量解算然后进行预处理；然后采用主成分分析法(PCA)和线性判断分析(LDA)法结合处理的方式，对预处理后飞参数据进行降维处理；最后采用人工神经网络方法建立识别模型，并进行参数训练。该方法具有计算效率高、通用性强、易于实现的特点。