本研究选择SBS作为改性剂,以一种由烷基胺类、牛脂胺、氢化牛脂胺、大豆油胺等十余种胺类组成的表面活性剂构成复合乳化剂,科学调节改性剂和乳化剂用量,使之与水形成皂液,有效控制好皂液温度(50~70℃)以及基质沥青的温度(100~130℃),将沥青和皂液混合均匀后输入胶体磨研磨,得到改性乳化沥青。并对改性乳化沥青的三大指标进行了较为系统的研究。　　采用我们研究小组提出的多因素多水平实验设计与可视化分析技术(m2VA),设计并实施了实验,系统分析了改性剂、乳化剂、沥青温度以及皂液温度这四个因素对沥青三大指标(即针入度、软化点、延度)的影响规律。研究工作通过改变乳化剂、改性剂的用量比例,改变沥青温度、皂液温度,设计了不同的配方,测试了每种配方制备的改性乳化沥青的三大性能指标。应用m2VA法对多维空间实验数据进行分析,找到了改性剂、乳化剂、沥青温度、皂液温度对三大指标的影响规律。得出尚佳的工艺区间为:皂液温度53~57℃,基质沥青温度115~123℃,改性剂含量60~90g,乳化剂含量90~100g。　　研究还利用m2VA技术对沥青混合料的配比进行了研究,在沥青混合料配合比设计中以不同粒径石料C1、C2、C3、C4和油石比O/S为试验因素,以马歇尔稳定度为指标,得到最佳的工艺范围为C1>51％、30%6%、O/S<5.8%。并且在C1=52%、C2=31%、C3=2%、C4=6.5%、矿粉M=3%、O/S=5.5%的条件下做了验证实验,实验显示马歇尔稳定度值达到25.671kN,超过了国家标准8kN的数值。　　多因素多水平实验的结果很难运用常规的数学方法对试验结果进行定量分析,本研究使用结构为6-3-1的BP神经网络模型,建立描述沥青混合料配比工艺的人工神经网络辨识模型。在BP神经网络训练步骤中,提出“留二法”训练规则。训练误差达到10-8,训练次数为6次。应用神经网络模型找到了定量关系,对研究及进一步定制生产工艺有着重要指导和预示意义。在本研究范围内,设计了多个优化的工艺参数组合,为沥青混合料配比的系统研究以及工业化生产提供了重要的理论依据和工艺设计方案。