从上世纪八十年代到本世纪初,中国的公路建设事业取得了突飞猛进的发展.与此同时,现代社会对交通的需求以及公路的特点已经发生了很大的变化.建立在传统理论模式下的路面管理系统迫切需要进一步完善,以适应现代社会数字化、信息化、智能化的发展趋势.随着路面检测技术的不断进步,路面性能的历史数据已经积累到一定程度,这为将更科学有效的方法运用到路面管理系统中提供了条件.人工神经网络的优越性能被所有使用者所公认,因而广泛地应用于各个学科的研究领域.其中以BP(Back Propagation)神经网络的应用技术最为成熟,它超强的非线性映射能力能够逼近任意函数,从而可以被用来模拟复杂的非线性动态系统或过程,实现系统的辨识或模式分类等.该文将BP网络引入到路面性能变化的随机场中,结合马尔可夫概率模型提出了马氏链BP网络概率模型,解决了马尔可夫随机过程的静态问题.同时,为进一步克服马尔可夫过程的局限,利用动态的BP网络实现了两年递推链概率模型,解决了状态变化连续相关的问题.并使用沈大高速以及长平高速路面性能的历史数据进行了模型的比较分析与实际预测效果的检验.将BP神经网络理论与统计理论相结合,提出了一种适用于复杂的非线性问题的变量分析与选择方法,即基于Sigmoid-Linear BP网络的判定系数离散分析法.这为建模分析提供了强有力的工具,更为揭示复杂系统的内部联系提供了有效的途径.同时针对该方法的实用性和可信性进行了仿真研究.采用Sigmoid-Linear BP网络的判定系数离散分析法对美国LTPP部分数据进行了关于路面长期结构性能影响因素的分析,进一步明确了湿度、温度以及交通的各种理论影响指标对路面结构强度与路面破损衰变过程的实际影响作用.这对于路面的设计、养护、改建等方案的决策具有指导意义.