在结构设计阶段建立的初始有限元模型,一般常常采用设计参数的理论值进行建模,利用这类模型计算得到的结构响应往往与实际测量的结果存在一定的差异。有限元模型修正是将结构在各种环境下的静动力响应进行分析,并将得出的数据通过相应的理论和优化算法来校正理论的有限元模型,从而得出一个更能真实反映实际结构响应的有限元模型。修正后的有限元模型不仅可以充分反映结构的实际状态,而且还可以利用它对结构进行抗震、抗风计算及健康监测,为结构的安全性、可靠性评估提供有价值、有说服力且可靠的数据。论文应用神经网络法对东苕溪试验模型桥进行了有限元模型修正,主要进行了以下工作。首先,对有限元模型修正进了概述,介绍了模型修正的国内外研究现状,提出本文的研究背景和意义。其次,介绍了东苕溪模型桥及其施工过程,并用施工过程有限元模型对该桥的部分设计参数进行敏感性分析。该桥是斜拉-悬吊组合体系桥梁,与常规的悬索桥不同的是,在进行敏感性分析时考虑了施工过程中斜拉索初始张拉力的影响。然后,对人工神经网络的特点、拓扑结构和学习规则进行阐述。重点介绍了常用的两种神经网络：BP神经网络和RBF神经网络。最后,介绍了神经网络法在模型修正中的应用,样本的选择采用均匀设计的方法,样本数据需要进行预处理以确保网络的效率和精度。以MATLAB为平台,利用其神经网络工具箱建立该桥有限元模型修正的BP神经网络和RBF神经网络,对两种神经网络进行训练后,比较两者的网络误差,得出RBF神经网络的精度更高。因此,利用实测结果和RBF神经网络进行该桥的有限元模型修正,修正后的模型计算结果和实测结果吻合较好。