近年来,随着结构材料和工程技术的突破,桥梁工程迅速发展,出现了大量的大跨度桥梁。然而,这一时期桥梁安全事故也频繁发生。因此,各个特大级桥梁开始应用健康监测系统（HMS）,进行桥梁施工和运营过程中损伤的实时识别和状态评估,降低事故发生的概率。目前,许多大型桥梁都安装了健康监测系统来采集振动、力、应力、温度场等相关参数,然而,大多数的健康监测系统传感器数量小于1500个^[1]。为了保证成本,传感器仅安排在一些重要区域,因此绝大部分地点的响应无法直接检测。并且由于数据收集、传输和存储系统的故障,一些数据可能存在缺陷。因此,开发有效的空间扩展和数据恢复预测方法是很重要的。本文以机器学习方法高斯过程回归（GPR）为基础,提出了一种预测非布置传感器位置大跨度斜拉桥梁抖振响应的方法。主要工作及结论如下:（1）基于谐波叠加法模拟大跨度斜拉桥三维脉动风场。结合该桥的特点和自然风的相关性特点对脉动风场进行简化。借助快速傅里叶变换技术模拟主梁和主塔的脉动风速时程,通过功率谱和相关函数对模拟所得的风场进行检验,验证了模拟结果的正确性和可靠性。（2）大跨斜拉桥抖振模拟。基于ANSYS建立大跨度斜拉桥有限元模型并进行动力特性分析。从主梁系统、斜拉索系统、索塔系统、辅助墩和过渡墩系统四个部分进行模拟,形成斜拉桥鱼刺骨式的力学模型。提取该桥各阶模态频率和振型,并对前16阶模态进行分析。分别从静力风荷载、抖振力荷载以及气动自激力荷载三个部分模拟风荷载。分析模拟所得的抖振响应特点,并以此作为振动响应预测的数据来源。（3）大跨度斜拉桥振动响应预测。提出一种基于高斯过程回归的利用空间位置信息预测未布置传感器区域节点振动响应的方法,并通过模拟的抖振数据验证了该方法的适用性和准确性。