现代的许多土木结构正不断向大型化、复杂化方向发展，高层、大跨结构不断出现；同时，我国在役建筑物中有许多结构物存在着不同程度的损伤或结构已经进入服役后期，急需损伤鉴定与维修加固。对于重大土木工程结构，容易实现和量测的是结构的动力响应。利用结构的动力响应识别结构的物理参数，并进而评价结构性能、判别结构的损伤以及实现结构的有限元模型修正已成为新世纪土木工程领域的一个前沿研究热点。 要对建筑结构进行动力响应预测、振动控制和结构状态评估及健康监测，首先必须详细了解结构的动力特性。结构的动力特性和结构物理参数直接相关，这些动力特性可以通过有限元分析得到其理论值，也可以由实验模态分析得到其实测值。由于模型描述实际结构的不精确性，结构模态参数的实测值与有限元理论值之间常常存在较大的差异，因而迫切需要解决的问题便是如何对有限元模型进行修正，使得模型模态特性的理论值趋近于实测值。神经网络方法因其具有非线性映射能力强、计算速度快、容错性好等优点，非常适合于结构有限元模型修正。但如何改变实验数据不完备、如何选取结构损伤标识量、如何选定合适的神经网络类别等问题没有得到很好的解决。 由于钢结构的模型误差主要体现对杆件连接刚度而非对杆件的物理尺寸的把握上，故本文以深圳市民中心屋顶网架结构为对象，针对其节点固结系数，选择节点连接刚度为损伤标识量，通过研究结构模态变化与节点连接刚度变化的关系，建立了有限元模型修正的神经网络模型，通过理论模态分析对深圳市民中心屋顶网架结构的有限元模型进行了修正。 本文依据风洞试验数据模拟了静风压的空间分布，依据脉动风谱模拟了网架结构的风荷载时程，并对有限元模型进行了有限元瞬态动力学时程分析。建立了以固结系数表示的三维空间有限元模型，根据单元刚度矩阵中的固结系数的变化，建立固结系数与结构动力特性的关系，应用BP神经网络，进行结构节点固结系数的识别；研究了用于振动测试的加速度传感器的优化配置与网架结构模态参数的实侧方法，通过在风荷载作用下有限元瞬态动力学时程分析检验了有限元模型修正的精确性。 根据本文的研究可以得知，BP神经网络可以很好的用于结构有限元模型的修正;模态分析和时程分析相结合的方法，能够很好的保证有限元模型修正的神经网络模型的可靠性。