跟随着有限元技术的深入发展,有限元模型修正技术在过去的20多年也得到了广泛研究及应用。目前流行的有限元模型参数型修正法通过对模型参数的选取与修正,使模型结构响应与实际结构响应趋于一致,从而建立能够反映以及预测实际结构行为的有限元模型。在土木工程领域,由于针对结构建立有限元模型时基于一定的假设,以及实际结构在建设和运营中受外界荷载及环境的影响,有限元模型与实际结构存在误差,该模型通常不能够反映结构的实际工作状态。因此,为了确保模型计算结果能够表达实际结构状况,应对其进行有限元模型修正。近年来,大跨桥梁结构的健康监测与安全状态评估成为了国内外的热点研究领域,而有限元模型修正技术能够为此提供一个可靠且实效的模型来反演桥梁结构的工作及健康状况甚至识别结构损伤部位与程度等等。因此,有限元修正技术具有重要的工程研究意义。全文研究内容及安排如下：(1)回顾有限元模型修正技术发展历程,归纳总结有限元模型修正方法,分析各种方法优缺点。(2)利用径向基函数神经网络(radial basis function, RBF)进行有限元模型修正,并结合有限元模型修正问题的特点,对网络输入输出参数进行分析,选择构建RBF网络结构参数,确定径向基神经网络修正有限元模型以及确定施工索力的技术路线。(3)通过假设既有状态,利用RBF神经网络对一预应力混凝土简支小箱梁有限元模型进行修正,从而验证该方法的有效性。(4)利用RBF神经网络确定系杆拱桥吊杆施工索力张拉,完成有限元模型修正扩展应用。(5)根据图纸采用梁格法建立梁拱组合体系桥梁,首先利用主成分分析法对网络训练样本进行预处理网络输出输入样本对,然后根据实测桥梁结构响应数据,利用训练检验后的RBF神经网络进行有限元模型修正。修正后有限元模型计算值与实测值之间误差较原有设计模型有很大程度改进。