混凝土路面错台是常见的路面病害之一，为了精确预测其大小，提出一种结合树结构帕尔森估计器(tree-structured Parzen estimator, TPE)与类别梯度提升(categorial boosting, CatBoost)的组合模型(TPE-CatBoost)。首先，从长期路面性能研究数据库(Long-Term Pavement Performance, LTPP)获取错台数据，通过Boruta特征筛选后的8个特征作为CatBoost算法的输入特征，错台大小作为目标变量；接着，使用TPE方法进行超参数优化，寻找最佳的超参数配置；最后，构建随机森林(random forest, RF)模型和极端梯度提升(extreme gradient boosting, XGBoost)模型，采用不同的评价指标进行比较。结果表明，TPE-CatBoost模型预测效果明显高于其他几种模型，决定系数R~2值达到了0.913,比TPE-RF模型和TPE-XGBoost模型分别提升了0.051和0.012,证明了TPE-CatBoost具有较高的预测水平和泛化能力，能够有效解决传统混凝土路面错台检测所存在的耗时长、成本高等问题，且为路面养护方案的制定提供了依据。