现有地震响应分析方法在处理非线性随机地震响应时,都存在一定的缺陷,或不能处理随机地震作用,或不能求解非线性问题,或计算耗时太长。针对该问题,本文提出了一种基于深度学习的非线性随机地震响应预测方法,从梁桥几何信息的空间表达形式、人工地震波合成、桩-土作用等多个方面展开了深入研究,并基于BIM建模软件Revit开发了连续刚构桥的地震响应智能分析模块。本文在研究过程中虽然以连续刚构桥作为具体研究对象进行研究,但其研究成果可推广应用至所有梁桥。论文的具体研究内容如下:（1）三维空间张量的提出与对比验证。为充分表达梁桥的空间几何信息,在分析梁桥结构空间形状的特征后,提出一种全新的桥梁结构3D表示方式——三维空间张量。基于该表达形式,构建并训练3D卷积频率预测神经网络,对连续刚构桥前5阶频率进行预测。通过与传统的浅层神经网络预测结果以及荷载试验实测结果进行对比分析,对三维空间张量的可行性及有效性进行验证。（2）梁桥振型预测模型的建立。深度学习需要大量的样本用于网络的训练,但是计算单个梁桥结构的非线性地震响应就需要耗费大量的时间。针对该问题,采用迁移学习技术,先得到连续刚构桥的振型预测网络,再将该网络迁移至地震响应预测问题当中。首先,通过建立振型张量,并引入自编码器技术,将连续刚构桥振型预测问题转变为对其振型编码的预测,降低神经网络网络预测结果的维度。然后,以三维空间张量为输入,振型张量编码为输出,构建并训练3D卷积振型编码预测神经网络,将其与振型张量解码器组合,实现对连续刚构桥振型的预测。（3）基于条件生成对抗神经网络的人工地震波合成。针对小波分析无法自适应对地震信号进行分解的问题,提出人工地震波变分模态分解生成算法。使用变分模态分解法代替小波分解,结合NSGA-II多目标优化算法,对分解后的本征模函数的分量系数进行优化,以反应谱误差最小,分量调整最小为目标函数,对天然地震波进行调整,使其符合规范的设计反应谱。针对现有方法在生成人工地震波时,无法摆脱对天然地震波数据的依赖,不能大量且自动生成地震波数据等问题,基于条件生成对抗神经网络,采用地震波时程曲线作为样本信息,对应的反应谱曲线、峰值加速度为样本标签,建立人工地震波智能生成模型。以经过人工地震波变分模态分解生成算法调整后的天然地震波为数据集训练该神经网络模型。该智能生成模型在最终使用时,只需要给定一个地震波标签,即可随机生成大量满足规范要求的地震波时程曲线,而不再依赖天然地震波数据。（4）桩-土作用数值分析方法简化。针对Open Sees现有建模方法过程复杂、建模代码复用率低等问题,以Open Sees Py库为基础,开发得到Open Sees for Bridge库。针对现有桩-土作用模型复杂、计算量大等问题,基于Boulanger桩-土作用模型,利用Open Sees for Bridge库建立大量Open Sees有限元模型,对桩-土作用进行影响参数分析,得到桩长与地震响应之间的数学规律,并以此对桩-土作用分析模型进行简化。（5）基于深度学习的连续刚构桥非线性随机地震响应分析方法与可视化。利用迁移学习技术,以3D卷积振型预测神经网络为预训练模型,以连续刚构桥的三维空间张量和地震波时程曲线作为深度神经网络的输入,连续刚构桥关键位置处的地震响应作为网络的输出,构建并训练连续刚构桥非线性随机地震响应预测模型。随后,根据蒙特卡洛原理,将该预测模型与人工地震波智能生成模型结合,最终提出基于深度学习的连续刚构桥非线性随机地震响应分析方法。最后,以BIM建模软件Revit作为可视化开发平台,对该非线性随机地震响应分析方法的过程进行可视化,开发得到连续刚构桥智能化分析模块。