纤维增强复合材料（简称复合材料、复材或FRP）具有较高的比强度、比模量以及优异的耐腐蚀性,且维护成本较低,在相对恶劣的土建工程环境中具有显著的应用优势。复材在环境作用下的长期性能和老化机理是工程界关注的重要问题,对于复材结构全生命周期设计和建造有重要意义。本文从试验和数据分析入手,研究了纤维增强复合材料拉挤型材（简称拉挤型材）在海洋环境下的长期性能发展规律,并探究了长期性能劣化机理,在大量数据的基础上采用机器学习算法建立了长期性能预测模型,最终搭建了可用于拉挤型材长期性能设计的线上平台。主要工作和成果包括:（1）对复合材料在8类环境作用下的长期力学性能及老化规律进行了调研及数据分析,并对现有长期性能预测模型进行了分析总结。结果表明,由于影响复合材料长期性能的因素多且耦合性强、机理复杂,现有方法与结论离散性大,各性能预测模型考虑的影响因素有限,尚未得到一个适用性较高、可直接用于计算复合材料长期性能的设计模型。本文提出了用基于大量试验数据的机器学习算法这一新方法解决复合材料长期性能预测这一复杂问题,从数据维度发现复材在真实环境中的老化过程表现出了高度的多维非线性,而机器学习算法在拟合多维非线性问题方面准确性高。（2）对拉挤型材开展了海岛环境原位老化试验以及实验室模拟海洋加速老化试验,试件包括材料（毫米级）和构件（米级）。试验表明,海洋环境对纤维主导的力学性能影响较小（如拉伸性能）,而对树脂及纤维-基体界面主导的力学性能（如弯曲性能）影响较大。本研究发现复材在最为恶劣的高温海水浸泡环境中的性能损失有限,可预见其在真实环境的工程应用中会表现较好的耐久性。（3）对典型的机器学习算法进行了分析对比,探究了人工神经网络算法、支持向量回归算法和XGBoost决策树算法在预测拉挤型材长期拉伸性能方面的准确性,最终选用XGBoost算法搭建了相应的预测模型,该模型表现出了优秀的预测相关性和准确性。在此基础上,开发了拉挤型材长期性能预测线上平台,为行业提供了一个方便、快捷、可靠地获取拉挤型材长期拉伸性能的方法。本平台的预测结果通过本研究的试验数据和大量现有试验数据进行了验证,可为拉挤型材的长期性能设计提供参考。