大型桥梁是交通运输的咽喉，在国民经济和社会生活中具有非常重要的作用。钢管混凝土拱桥特有的力学性能和施工上的优越性，使其在大跨度桥梁的建造方面具有广阔的发展前景。然而，随着拱跨的增大，其安全性问题日益突出，国内对大跨度钢管混凝土拱桥的安全性评价问题尚未进行深入研究。因此，如何在经济和技术允许的条件下，合理评价大跨度钢管混凝土拱桥的安全性，是一项迫切而意义重大的课题。 近年来，神经网络方法在众多领域里的安全性评价中得到了比较成功的应用，应用较多的网络模型是BP神经网络。然而，BP神经网络有其自身固有的缺陷，从而导致无法确定合适的网络拓扑结构等等。鉴于此，人们提出了径向基神经网络(Radial Basis Function Neural Network简称RBFNN)，它与BP神经网络具有众多优越性。本文以径向基神经网络的基本原理，提出了基于RBF网络在钢管混凝土拱桥安全性评价方法，并应用于工程实例，取得了一定的成果。具体做了以下主要工作： 1、本文在现有桥梁安全性评价的基础上，深刻阐述了桥梁安全性评价的内涵。在深入讨论了目前国内外桥梁安全性评价方法和神经网络技术的基础之上，针对目前神经网络方法应用于桥梁安全性评价中的不足，提出把RBF神经网络应用于桥梁安全性评价，为实现桥梁的安全性评价的智能化提供的新的发展思路。 2、系统阐述了RBF神经网络理论，并与BP神经网络进行了比较得出：RBF神经网络比BP神经网络优越在于：径向基神经网络是一种局部逼近网络，问题有唯一确定的解，不存在以往BP网络中所遇到的局部极小值问题，肯定能获得全局最小点，RBF神经网学习速度很快。此外由于RBF神经网络采用高斯核函数，除使得网络训练速度加快，还能更好地处理学习数据以外的测试实例，泛化能力也得到进一步加强，对于处理诸如桥梁之类的复杂结构的非常有效。 3、根据层次分析法的基本思想，引入RBF神经网络的基本理论，提出了基于RBF神经网络的钢管混凝土拱桥的安全性评价方法。从承载能力、结构损伤、缺损武汉理工大学硕士学位论文状况三个方面进行层次组合，建立了三层钢管混凝土拱桥安全性评价模型，并结合钢管混凝土拱桥实际确定了其完整的指标体系。根据不同的安全性影响因素合理选取了不同的评价指标量。然后根据《武汉市江汉三桥静动载试验报告》的试验结果，提取训练样本(由于实测样本个数有限，本文采用桥梁安全性综合评价法得到理论样本)。把训练样本输入到RBF神经网络中进行训练，最终得到实用的钢管混凝土拱桥安全性评价模型。将实测数据输入到训练好的网络模型中，通过系统仿真计算，得到的评价结果与现场专家评价结果基本一致，表明该评价方法可以再现评价专家的经验知识和直觉思维，降低评价过程中人为因素的影响，能较好地保证评价结果的客观性。 4、以实现钢管混凝土拱桥安全性评价工作的智能化为最终目标，本着模块化、可扩充性、易用性、适应性和可移植性的原则，运用巧sual BaSlc程序设计语言和Mauab语言编程，开发了钢管混凝土拱桥智能型安全性评价系统。本系统为下承式钢管混凝土拱桥的安全性评价集成系统，包括了权重调查、综合评价、RBF和BP神经网络安全性评价等几个模块，分别实现了RBF神经网络钢管混凝土拱桥的承载力、承重构件损伤、外观缺损状况以及整桥安全性评价。从而实现钢管混凝土拱桥安全性评价的智能化，大大提高了钢管混凝土拱桥安全性评价工作的客观性和效率。 钢管混凝土拱桥的安全性评价是一项综合性较强的研究工作，研究难度比较大。但其应用前景十分广阔，具有重要的理论价值和实用价值，本文所提出的RBF桥梁安全性评价方法，首次应用于钢管拱桥，取得了一些成果。随着理论研究和工程应用的迫切需要，必将会对这一领域进行更深入的研究。本文得到湖北省自然科学基金项目(2003ABA016)资助。关键词:钢管混凝土拱桥;安全性评价;径向基网络;