پیش بینی عمر خستگی مخلوط های آسفالتی برای طرح و مدیریت روسازی مورد نیاز بوده و مورد توجه محققین قرارگرفته است. پیش بینی دقیق عمر خستگی، به دلیل رفتار پیچیده و متغیر مصالح تحت بارگذاری و شرایط محیطی گوناگون، امری دشوار است. محققین مختلف با ارائه گراف ها و معادلات گوناگون بر اساس روش های رگرسیونی عمر خستگی آسفالت را پیش بینی نموده اند. این پایان نامه به دنبال به کارگیری تکنیک شبکه های عصبی (ann) برای پیش بینی عمر خستگی مخلوط های آسفالتی است. به دلیل محدودیت و عدم دسترسی به داده های جامع آزمایشگاهی عمر خستگی در داخل کشور، در این تحقیق از داده های آزمایشگاهی ایالت کانزاس استفاده گردیده است. پارامترهای موثر در عمر خستگی، ویسکوزیته قیر (نوع قیر و دما)، سطح کرنش، سختی، درصد قیر، درصد فضای خالی و دانه بندی در نظر گرفته شده اند و بر اساس نتایج آزمایشگاهی مدل سازی با استفاده از شبکه های عصبی صورت گرفته است. پیش بینی عمر خستگی مخلوط های آسفالتی توسط شبکه های عصبی مصنوعی پرسپترون چند لایه پیشرو و الگوریتم آموزش انتشار به عقب، با تکنیک بهینه سازی عددی لونبرگ- مارکواردت، مدل سازی شده است. فرآیند مدل سازی با استفاده از جعبه ابزار شبکه عصبی و همچنین با استفاده از برنامه نویسی در نرم افزار متلب صورت پذیرفته و نتایج با یکدیگر مقایسه شده اند. شبکه عصبی بهینه ساخته شده با استفاده از جعبه ابزار شبکه عصبی دارای ساختار 1-12-12-9 با ضریب رگرسیون 89/0 و شبکه عصبی بهینه ساخته شده با استفاده از برنامه نویسی دارای ساختار 1-15-15-9 با ضریب رگرسیون 94/0 بدست آمد. نتایج این پایان نامه نشان می دهد که ann در مقایسه با روش های آماری موجود، به دلیل توانایی استفاده از متغیرهای بیشتر در مدل سازی و نتایج دقیق تر، روشی موثرتر برای پیش بینی عمر خستگی مخلوط های آسفالتی است.