连续刚构以其良好的结构性能及经济性优势被广泛应用于我国的中西部山区。采用确定的有限元计算分析对连续刚构桥的进行安全性评估是不够的,实际情况中,结构的随机变量众多,需要采用基于概率理论的可靠性分析对其安全性进行评估。在桥梁结构可靠度分析过程中,减少输入样本数量、提高计算效率、体系可靠指标的分析计算及结构参数敏感性分析研究等都是目前亟需解决的问题。支持向量机(Support Vector Machine, SVM)是一种基于结构风险最小化原则的优秀机器学习方法。该方法通过与传统的可靠度分析方法结合已经得出了基于支持向量机的可靠度算法。本文通过改变样本数据来达到减少总体样本输入量的目的,即通过改变样本中的效应值使得样本接近极限状态曲面两侧,从而提高计算效率减少样本输入数量。通过算例与该方法进行对比,表明该方法在可靠度应用中是高效及可行的。结合连续刚构桥体系失效准则确定某桥的控制截面,并找出该连续刚构桥主要的失效模式。采用本文方法对连续刚构桥进行了体系可靠度分析。并结合界限法近似计算了该桥的体系可靠指标范围。最后对该桥可靠度水平进行了参数敏感性分析,本文首先采用常规算法对该桥承载能力极限状态下的失效模式下可靠度进行参数敏感性分析,然后在变量相关性未知的情况下对该桥挠度失效模式下可靠度进行了参数敏感性近似分析。在此基础上可为连续刚构桥施工过程中提供应重点掌控的一些参数,提高施工质量,确保桥梁运营期达到设计可靠指标。