随着我国越来越多的高速公路投入运营,其养护水平的高低直接影响到高速公路的使用寿命和通行质量,我国已经开始进行高速公路养护市场化的改革。及时有效地进行小修保养,可以减少进行大中修的次数,延长公路的使用寿命。对于小修保养工程量影响因素及其预测的研究,能够为养护部门在进行公开招标时提供数据支撑和决策支持,更加合理地分配有限的养护资金,让养护资金得到最大化的利用,是具有重要意义的。本文通过调查研究国内外相关资料的基础上,结合当前我国高速公路养护的特点和现状,概括总结了高速公路沥青路面小修保养路面破损维修量的影响因素,并在此基础之上,引入支持向量机回归对路面破损维修工程量进行预测。本文将一种新型元启发式算法——布谷鸟搜索算法应用于支持向量机参数寻优中,与原有的基于遗传算法优化支持向量机参数的方法进行对比,表明了利用布谷鸟搜索算法优化支持向量机参数的可行性以及所具有的优势。在此基础上对布谷鸟搜索算法进行改进,提出了基于高斯扰动和基于梯度下降法的布谷鸟搜索算法优化支持向量机参数,与原有方法进行比较,分别使用普通布谷鸟搜索算法、基于高斯扰动的布谷鸟搜索算法和基于梯度下降法的布谷鸟搜索算法优化支持向量机参数后对路面破损维修工程量进行预测,实验结果表明,采用基于梯度下降法的布谷鸟搜索算法优化支持向量机参数的预测结果相对误差为9.75%,3-折交叉验证的均方误差为170.7395,参数寻优的迭代次数为130次,优于普通布谷鸟搜索算法优化支持向量机参数的198次迭代和基于高斯扰动的布谷鸟搜索算法优化支持向量机参数的146次迭代,且在这三种方法中,其收敛下降的速度是最快的。