结构在服役过程中,由于受自然作用、使用荷载和人为作用等因素的影响,材料的性能会出现退化,引起构件的功能衰减,从而影响到结构的安全。准确的把握构件材料的抗力衰变规律和结构功能的退化特征,是进行结构可靠性评估的前提。当前针对结构功能退化规律的研究很多,多数是基于实验室的快速退化试验和一些工程实际的检测数据得到的经验回归公式。本文从在役混凝土桥梁结构的演变规律可以从其结构检测信息反映出来的观点出发,认为具体结构退化规律的研究,应从静态思维转向动态思维;即,结合土木工程结构具有很强个性的特点,运用结构的实际检测信息不断修正其性能的推演模式,使之不断趋近于结构实际的衰变规律。基于这种观点,本文对Bayes持续更新模型和神经网络自适应学习模型展开了充分研究,结合混凝土和钢筋的经验衰减规律和工程实际检测信息,建立了Bayes信息持续更新学习模型和BP神经网络学习预测模型,进而实现对结构可靠性衰减规律的更新。通过实例对比验证,证明在小样本检测数据的条件下,BP神经网络模型信息更新效果较差,而Bayes持续学习模型继承了经验公式的完备性和检测信息的准确性的特点,其预测结果比经验公式和神经网络更加接近实际。本文最后利用所建立起来的Bayes抗力持续更新模型,和现阶段在役桥梁时变可靠度的基本原理,结合某工程实例,演示了一个完整的基于Bayes方法的现役桥梁时变可靠度动态更新持续学习的模型。研究结果为在役结构的可靠度评估提供了一种更加经济、准确和动态更新的计算方法。