La formación en simulación de vuelo es uno de los métodos más importantes en la formación de vuelo en la aviación civil en las primeras etapas. En este sentido, las competiciones de simulación de vuelo son herramientas efectivas para evaluar las habilidades de vuelo de los aprendices. En este estudio, se desarrolla un modelo para evaluar las habilidades de vuelo de los aprendices integrando GBDT (Árbol de Decisión de Aumento Gradual), PSO (Optimización por Enjambre de Partículas) y CNN (Redes Neuronales Convolucionales). Se emplean datos de vuelo de simulaciones para el entrenamiento del modelo. Inicialmente, se recopilan datos de rendimiento y puntuaciones de una plataforma de competición de vuelo simulada. Luego, se aplica el algoritmo GBDT para filtrar e identificar parámetros de vuelo esenciales de los datos recopilados. Posteriormente, se utiliza el modelo PSO-CNN para entrenar con los parámetros de vuelo extraídos. El modelo propuesto GBDT-PSO-CNN logra una tasa de reconocimiento del 93.8% en el conjunto de datos de prueba. Este sistema de evaluación es de gran importancia para mejorar el nivel de habilidad de maniobra específica de los aprendices de vuelo.