模态频率是土木结构健康评估的一个重要指标。已有研究表明这一指标会随着环境变化(如温度、湿度变化等)而波动。因此，正确识别模态频率与环境因素之间的关系是长期结构健康评估中的重要一环。本研究基于新提出的贝叶斯机器学习算法，对模态频率-环境因素映射进行特征选择。传统识别方法主要基于离散型特征选择(discrete feature selection)，当特征数目较多时，所需的计算量非常庞大。为了解决这一计算难题，新提出的贝叶斯学习算法首先引入超先验概率密度函数(hyper prior PDF)，从而对映射中的权参数(weight parameter)进行超参数化(hyperparameterization)，最终通过优化超参数(hyperparameter)进行连续型特征选择(continuous feature selection)。与传统识别方法相比，新算法更适合于特征数目较多的模态频率-环境因素映射分析研究。相关算法已被应用于土木结构长期监测项目。