静力三分力系数用于描述风对桥梁的静力作用，气动导数是颤振和抖振分析方法的核心。这些气动参数现在必须通过试验来得到。然而桥梁风洞试验的设备投资大，试验费用高，周期长，这在很大程度上限制了大跨桥梁风振机理的研究。本论文的主要目的是用人工神经网络识别桥梁断面的静力三分力系数和气动导数。 首先对人工神经网络和桥梁风工程的基本理论作了简单的介绍，接着采用人工神经网络识别了理想薄平板的气动导数，并分析了数据处理方式、隐层单元数、训练次数、随机赋值次数、样本数量对训练结果的影响，讨论了训练的稳定性。训练结果表明神经网络可以应用于实际桥梁气动导数的识别。为了获得足够的样本数，在西南交通大学风工程试验中心进行了9个模型试验，得到了模型的静力三分力系数和一个气动导数值。然后改进了学习算法以识别桥梁模型的气动导数，并采用了不同的BP网络识别桥梁模型的静力三分力系数。最后还采用径向基函数神经网络识别了力矩系数。 训练结果表明人工神经网络识别静力三分力系数和气动导数具有较好的精度，能够满足实际要求。但是还需要进行进一步的研究。