随着材料科学和交通事业的发展，薄壁箱形梁(包括钢箱梁、预应力混凝土箱梁)在现代桥梁工程中得到了广泛地运用，但随之而来是剪力滞后问题相当突出，特别是宽扁箱梁剪力滞效应不容忽视。它带来的后果就是当结构的大部分处于弹性状态时，箱梁腹板处由于剪力滞效应一般最先达到强度极限状态，导致腹板间材料的抗力没有得到充分的使用，如不引起重视会带来灾难性后果。剪力滞效应的分析对于现代桥梁设计的安全性和经济性有较大意义。然而目前解析法计算剪力滞中位移函数的选择存在分歧，因此，位移函数采用何种形式成为研究剪力滞效应的重要课题之一。 近年来，遗传算法成为国内外一个热门的研究课题。用遗传算法进行数据拟合是一种行之有效的方法。本文通过合理选择箱梁计算模型，得出几种模型的有限元结果，将数据整理归类，采用遗传算法进行拟合参数选择，以拟合多项式来调整剪力滞位移函数。 神经网络目前在预测、分类、模式识别、非线性回归、过程控制等各种数据处理场合得到大量应用。本文利用BP网络来建立拟合参数与箱梁模型几何尺寸、载荷特性等之间的非线性映射关系，通过网络的自学习功能得到稳定的网络。针对不同的箱梁几何特性、载荷形式、边界条件，网络有对应的位移函数调整系数多项式输出，从而构造了带调整系数的位移函数，避免了叠加原理修正的位移函数带来的计算偏差。 文章的最后给出了两个算例，算例表明该方法具有精度高、计算简便等特点，适用于工程实践中剪力滞计算。本文的创新之处在于：①采用分段函数拟合顶板位移函数；②采用神经网络方法识别位移函数；③用调整系数修改位移函数。为薄壁箱梁的剪力滞效应分析提供了新的思路和方法。