沥青材料在行车荷载和自然因素（氧气、水、阳光等）的长时间作用下非常容易发生老化，导致沥青路面性能下降。影响沥青老化的因素主要包括行车荷载作用、沥青氧化、雨水作用、阳光中紫外线辐射、时间的长短等，其过程具有非线性、混沌性、长期记忆性等特点。本文基于历史数据，运用BP神经网络模型，对沥青老化指标的变化进行研究，建立沥青老化BP网络模型，对各影响因素下沥青的老化性能进行预测。首先运用了试验分析的手段分别分析了3个主要影响沥青老化的因素-温度、水、紫外线对沥青的老化作用，然后经过综合分析3因素对老化的影响程度得出紫外线>温度>水，其次收集了国内几条主要沥青路面沥青的实际老化指标，通过对这些老化指标的处理作者能够得到不同地区不同使用年限沥青25℃针入度、15℃延度、软化点等数据。第三，研究BP神经网络的原理，并推导具体理论算法，了解BP神经网络的训练过程，为BP神经网络的结构设计奠定理论基础。第四，采用多因素(最高气温、最低气温、年平均降雨量、年平均日照时间、使用年限等因素) BP神经网络对沥青三大指标进行预测，得出在各种因素作用下下沥青三大指标的变化情况，得到通过MATLAB工具箱实现的适用于指标预测的具体网络。最后，通过对重庆地区的高速路上的回收沥青的性能与网络预测的实际性能进行对比，发现具有良好的规律性，验证了BP神经网络预测的准确性。大量可重复的BP网络实验结果显示，运用BP神经网络模型可以对沥青老化情况进行较高精度的预测，这证明了本文所采用的方法和所建立的模型是可行的和有效的，所以，在实验室很快得到沥青路面不同的老化数据具有了实现的可能，为相关研究提供参考。