中小跨径梁桥量大面广,占我国公路桥梁总数的90%以上,其桥墩型式、支座和上部结构型式（绝大多数是T梁或箱梁）相似性高,如果对每座桥梁进行抗震设计分析和抗震性能评价,其工作量大并且重复性高。另一方面,针对单座特定桥梁的抗震性能评价已经取得了许多研究成果,但对公路网中桥梁群组的抗震性能评价方法缺少系统研究。鉴于此,本文在基于性能的地震工程分析框架下,采用计算机专业成熟的机器学习方法,提出基于机器学习的中小跨径梁桥群组抗震性能评价方法,实现桥梁群组的参数化建模,并运用机器学习遗传算法开发桥梁群组抗震性能的优化程序。主要研究内容如下:1.综述了桥梁抗震性能评价方法的现状,基于机器学习的特点,研究了应用机器学习方法进行桥梁抗震性能评价的三个环节,包括数据采集,机器学习模型选择和模型性能评价;研究了在分类和回归任务中应用监督学习模型时所需调试的关键超参数;构建了基于机器学习方法的桥梁抗震性能评价与抗震性能优化的基本框架。2.对四川新建汶马高速公路中的157座桥梁的599联中小跨径梁桥群组的设计信息进行统计,以概率分布形式反映了桥梁群组的结构、几何和材料等属性,采用拉丁超立方抽样（LHS）生成桥梁样本,实现了桥梁群组有限元模型的参数化建立。采用机器学习方法对汶马路桥梁群组的基本动力特性进行了分类和回归,提出了基于机器学习的识别桥梁基本动力特性的方法。3.基于桥梁设计信息的统计结果和机器学习方法建立了支座和桥墩的能力模型。根据双柱式桥墩Pushover分析结果,采用随机森林（RF）模型识别了各损伤状态出现的位置以及决定各极限状态损伤位置的关键因素;使用正则化方法预测了各损伤极限状态阈值与桥墩属性之间的定量关系,建立了桥墩的抗震能力模型,并与传统能力模型进行对比,分析了桥墩能力模型对其易损性的影响。4.基于机器学习方法进行了中小跨径梁桥群组的地震易损性分析,评估了汶马路桥梁的抗震性能。根据桥梁非线性时程计算结果,采用机器学习方法建立了桥墩和支座的概率地震需求模型（PSDM）,追踪分析了传统云图法假设在易损性中的误差传播;由Lasso-logistic回归建立了构件的多参数易损性曲线,获得了重要属性对桥梁抗震性能的影响规律;在考虑构件承载能力和修复成本的相对重要性的基础上,推导了用于桥梁系统级易损性曲线的复合损伤状态指标,给出了该指标中构件的合理权重系数取值。5.基于机器学习遗传算法开发了适用于中小跨径梁桥群组抗震性能的优化程序。推导了桥梁群组的统一级性能指标修复成本比（RCR）曲面,将其作为抗震性能优化程序的目标函数;采用神经网络和遗传算法相结合的方式确定了简支梁桥横桥向的最佳支承体系设计参数组合,并由RCR指标验证了优化程序的可行性和有效性。