鉴于桥梁安全事故的严重性,以及桥梁工程在国家建设和人民生活中的重要作用,桥梁健康监测受到研究人员的高度重视。但是随着桥梁监测技术的发展,大型桥梁上各种设备收集到的数据总量变得异常庞大。如何有效利用这些数据,成为该领域中的重要问题。本文提出将Spark分布式计算技术应用于桥梁健康监测系统中,使其具有处理海量监测数据的能力,可以快速地进行离线数据分析与建模。实验基于南京大胜关长江大桥的真实数据。论文主要的工作和贡献包括:（1）结合梯度提升树回归预测模型和基于拉依达准则的预测区间,提出了低频监测信号预警模型,并将该模型应用于位移监测上。与之前的研究相比,预测模型的平均R-squared提高了0.017,平均MAE值降低了28.45%;预警模型的平均查全率提高了5.5%。另外,我们将低频监测信号预警模型应用于挠度监测上,首次提出了适用于大胜关大桥的挠度实时预警模型。（2）提出了高频监测信号预警模型,将该模型应用于应变监测上。使用小波包分解与梯度提升树回归算法建立了静应变预测模型,使用拉依达准则和切比雪夫定理确定了动应变的预测区间,最后结合预测模型和预测区间,首次提出了适用于大胜关大桥的应变实时预警模型。（3）设计并实现了基于Spark分布式计算技术的桥梁健康监测系统。该系统由桥梁大数据平台和桥梁健康在线管理系统两个部分组成。性能评估的结果表明,该系统在计算性能、实时性、可用性和可扩展性等方面,均能满足桥梁健康监测的实际需求,解决了传统分析方法所遇到的困难。