本文利用径向基函数（Radial-Basis Function，RBF）人工神经网络模型，对往复荷载作用下机场跑道的各层剖面变形状态进行动态分析，并与ABAQUS建模结果进行比较。RBF模型的构造，考虑了跑道表层局部变形对跑道表层以下各层的顶部变形曲线相应点变形的影响。RBF模型的训练、测试和预测样本的数据应用了机场跑道四层顶部最终剖面变形曲线值，包括P401沥青混凝土表层、P209碎石基础、P154底基层及中等强度路基层，由坐落于美国联邦航空局的WilliamJ. Hughes技术中心的国家机场跑道测试设备所测量。P401沥青混凝土表层的顶部变形曲线作为输入数据，是因为在试验中可以记录和观测到该曲线的发展过程。其他三层的顶部变形曲线分别作为输出数据，是因为它们的动态变形发展过程在试验中是不可见的。首先，为了寻求最接近机场跑道各层剖面真实的变形状态的发展过程，进行了不同情况的模拟预测，如表层顶部变形曲线上相邻三点中间值变形预测其下各层相应点变形等。由于第四层即中等强度路基层的顶部变形曲线有着明显的凸起，所以在数据选取过程中，分别采取了按实际情况选取和对该变形曲线进行圆滑处理两种情况。而且，每种情况下，由最初变形到最终变形的发展阶段划分为三种类型：等分为50步、以1/i为步长分为50步、随机分为50步。比较不同情况不同类型下所预测出的跑道变形误差跑道的初始厚度较真实初始厚度误差的大小。其次，分析了不同情况不同类型下，l层j阶段平均厚度和初始厚度比值关系、l层j阶段平均变形与平均厚度比值关系、l层j阶段最大变形与平均厚度比值关系、j阶段任意两层平均厚度比值关系和j阶段任意两层最大变形比值关系，较好并直观地分析了跑道各剖面层的变形发展过程。最后，应用有限元软件ABAQUS对该机场跑道进行建模分析，分别建立轴对称模型和三维模型。为了更直观地比较有限元和RBF神经网络这两种方法对机场跑道各剖面层的预测结果，比较它们与多深度弯度计测量真实值的相关系数、相似度及平均误差。结果表明，应用RBF神经网络来预测跑道各层剖面变形的发展过程是可行的且精度较高。