在斜拉桥施工过程中,结构参数实际值与设计值之间往往存在偏差,从而导致成桥后结构的线形、内力与设计状态不一致,然而结构的某些参数在现有的测量手段下无法精确获得,因而本文以嘉绍大桥施工控制为背景,尝试运用改进神经网络方法对斜拉桥施工过程的结构参数进行识别,主要工作及结论如下：(1)根据人工神经网络理论与灰色系统理论以及小波分析理论各自的特点,讨论了传统神经网络可能的改进形式,分析了灰色神经网络和小波神经网络的结构特征、算法流程以及其相对于传统BP网络的优势所在；(2)以嘉绍大桥为背景,通过有限元软件NLABS理论计算获得训练样本和检验样本,用训练样本分别对灰色神经网络、小波神经网络以及传统BP神经网络进行网络训练,然后用训练后的网络对检验样本进行参数识别以检测改进神经网络在斜拉桥参数识别中的可行性和可靠性。最后,通过对各自的误差进行对比分析,验证了改进神经网络在斜拉桥参数识别中的可靠性、鲁棒性以及精度；(3)讨论了改进神经网络中初始参数优化的方法,分别用遗传算法和粒子群优化算法对灰色神经网络进行初始参数优化,并将优化后的灰色神经网络应用于斜拉桥参数识别中,解决了灰色神经网络初始参数取值不当引起的网络震荡和局部最优解问题,并且在一定程度上提高网络识别精度和收敛速度。。