沥青混合料是由集料、沥青、矿粉等组成的多相复合材料,其中组成材料的尺寸和物理力学性质差异较大,搅拌成型后的结构也呈一定随机性,材料的复杂性与随机性,导致细观结构的多样性与力学行为的复杂性。而现阶段的混合料设计方法中混合料模型相较于真实结构过于简化,无法真实反映沥青混合料的复杂性与随机性,进而无法通过理论模型准确预测混合料的细观结构与宏观体积参数。因此有必要基于真实细观结构及大量试验数据对沥青混合料级配、细观结构和宏观体积参数之间的联系展开深入研究,建立三者之间的跨尺度关联模型以揭示三者间的量化关系。现阶段的研究还存在研究样本少、研究角度传统、研究手段不够先进等问题。基于以上问题,本研究首先建立沥青混合料细观结构数据池,基于自适应的图像预处理与深度学习模型,提高CT图像的分割能力,以提取沥青混合料的真实细观结构,并构建区分度好、代表性强的细观结构指标群,对空隙和集料的分布、形貌特性进行表征,对数据库中所有图像计算上述指标,进行数据预处理,级配合并,以完成细观结构数据库的建立;其次基于沥青混合料体积参数的搜集,建立沥青混合料宏观体积参数数据池,通过指标筛选、缺失值填充、错误数据筛选及离群点筛选提高数据质量,以完成宏观体积参数数据库的建立;再者基于逐步回归、特征工程,建立级配-细观结构模型,并对模型做假设检验以验证模型显著性,以算例介绍模型的应用背景及方法;最后基于集成学习模型及贝叶斯优化,建立级配-宏观体积参数模型,并对模型进行评价、误差分析,以算例介绍模型的应用背景及方法。研究成果为揭示沥青混合料性能形成机理,优化沥青混合料设计方法提供理论依据。