道面使用性能预测模型是现代道面管理系统的核心组成部分，它直接影响着道面管理活动中许多关键决策。然而，用于建模型和参数估计的观测数据由描述道面个体差别的特征变量数据和描述道面个体性能衰变的时间序列数据两部分组成，而通常情况下观测的道面区域多、特征复杂，个体时间序列数据非常有限，呈典型的分层非平衡结构特征。对此，传统建模方法和统计技术难以获得满意结果，甚至会导致错误结论。因此，采用现场观测历史数据建立道面性能预测模型一度受到挑战。本文针对我国道面使用性能历史数据涉及区域广、观测序列短等突出问题，分析数据细节特征，以经验回归为基础，应用混合效应模型统计技术，分别建立确定型回归模型和马尔可夫概率预测模型。主要内容如下：　　 (1)选取国际广泛应用的道面状况指数(PCI)作为预测指标，收集大量道面损坏调查现场观测数据。详细分析了水泥道面损坏调查单元尺寸、形状划分方案以及主导损坏类型程度识别偏差对道面单元和区域PCI计算结果的影响，分析道面损坏状况人工调查过程中产生的PCI误差，明确PCI指标的客观性和稳定性。　　 (2)以三阶多项式作为道面个体预测模型期望函数，同时建立道面结构厚度和交通量等特征变量与个体模型参数的回归关系，通过分层参数结构形式联结成线性混合效应模型。通过混合效应模型中固定效应和随机效应捕获分层数据异质性，从而充分整合个体观测数据信息，并依靠收缩估计方法改进某些时间序列较少的道面个体模型参数的估计，提高参数估计的稳定性。　　 (3)以双参数非线性方程作为道面个体预测模型期望函数，以道面结构厚度和交通量作为参数解释变量，建立非线性混合效应模型，针对“白+黑”道面区域数据少的情况，结合刚性道面观测数据信息，应用混合效应模型和联合估计两种统计方法，实现“白+黑”道面预测模型的参数估计，拓宽了预测模型的应用范围。　　 (4)应用Logistic回归方程建立动态马尔可夫状态转移概率与道面厚度H、交通量LogN、道面使用时间t及当前状态等级CR等变量的关系。在此基础上采用随机截距描述道面个体间的异质性，建立混合Logistic模型。分析Logistic模型在马尔可夫概率预测中的应用方法，并比较了普通及混合Logistic模型建立的动态马尔可夫模型的拟合效果。　　 本文的各项研究成果对提高我国机场道面管理水平具有一定意义，并为进一步的研究奠定了良好的基础。