目的：为了快速预测多种飞机荷载作用下不同刚性道面结构的临界荷位应力，基于机器学习的方法对临界荷位应力的预测及参数重要性进行了研究。方法：本研究通过建立三维刚性道面应力响应有限元模型，计算了不同工况下的临界荷位应力，并收集所有工况的临界荷位应力，构建了临界荷位应力数据库；选用支持向量机（SVM）、卷积神经网络（CNN）、BP神经网络和随机森林（RF）四种机器学习算法构建应力预测模型，选取常见单轴双轮（B737-800）、双轴双轮（B747-400）和三轴双轮（B777-300ER）的临界荷位应力数据（2916组），经过数据筛选和优化，建立了用于模型训练的数据集（2806组）；采用网格搜索与5折交叉验证优化超参数；基于RMSE、MAE、MBE和R2四种评估指标，对模型性能进行量化；通过SHAP方法对输入参数的重要性进行分析，最后，分析临界荷位应力随各道面结构参数的变化规律。结果：BP神经网络模型的预测效果最佳，其R2、MAE、RMSE和MBE分别为0.94246、0.12092、0.16424和0.00034；面层厚度对应力影响最显著，平均绝对SHAP值为49.24%；临界荷位应力随着面层厚度、道基顶面反应模量、基层模量与厚度的增加而减小，最终减小趋势趋于稳定；基于应力在不同结构参数范围内的应力分布和变化，给出了刚性道面设计中各道面结构参数适宜的取值范围。结论：机器学习模型可以很好地预测临界荷位应力，可为刚性道面应力计算和厚度设计提供技术支持。
