斜拉桥施工控制是一个复杂的工程系统,结构参数的实际值与设计值通常存在偏差,这些由设计参数引起的偏差将会导致结构线形和内力与设计理想值不一致。所以一个准确的参数状态是施工控制所必须的,然而结构的某些参数不能在现有的测量手段下直接得到,所以该论文在嘉绍大桥工程背景下,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,主要工作如下(1)分析了目前已成功应用十实际施工控制中的最小二乘法、卡尔曼滤波法、灰色系统理论以及人工神经网络理论各自的特点,讨论了神经网络在多参数识别应用中的优势；(2)结合嘉绍大桥工程实例,由有限元软件NLABS理论计算结果构建网络训练样本和检验样本,用训练后的网络对检验样本进行参数识别。并分析了传统BP网络的缺陷,在此基础上探讨了相应的优化方法；(3)通过对比分析,探讨了改进神经网络相对于传统BP网络在斜拉桥多参数识别中的精度以及可靠性；分析了遗传算法优化的神经网络应用的可靠性：(4)结合嘉绍大桥工程实例,将遗传算法优化的神经网络应用于嘉绍大桥工程实践中,结果表明优化后的神经网络识别结果符合客观规律,验证了其在斜拉桥多参数识别应用的可行性。