本文首先在回顾桥梁颤振基本理论及颤振导数识别方法发展历程的基础上,对颤振导数识别问题的研究现状进行了总结。接着根据目前研究工作中的空白,本文以二维刚性节段模型风洞试验为基础,对比了借助三种常用湍流模型得到的颤振导数的精度,得到了对Π型断面计算精度较高的湍流模型。在此湍流模型的基础上,建立了Π型断面颤振导数的数据库,同时研究了Π型断面几何参数对颤振导数的影响规律。以此数据库为基础,首次建立了采用神经网络预测Π型断面颤振导数的方法,为桥梁初步设计阶段颤振导数的快速获取提供了新的途径。本文主要研究内容及结论如下:(1)以颤振导数的节段模型风洞试验结果为基础,对比了分别采用RNG6)-模型、SST6)-模型和RSM计算获取的颤振导数的精度,并对比分析了由三种湍流模型得到的断面流线图,证明RSM对Π型断面颤振导数的数值计算更为适用。(2)在数值计算中采用RSM获取了宽高比=6~13和尺寸系数=1.1~1.3的Π型断面颤振导数,初步建立了颤振导数的数据库。同时基于这些数据研究了这两个几何参数对颤振导数的影响,并基于流线图研究了主漩涡的变化规律。(3)以颤振导数的数据库为基础训练神经网络,并成功预测了Π型断面的颤振导数。在采用多种误差评价方法的基础上,证明了神经网络的预测精度达到了令人满意的效果。这一方法有利于提高桥梁初步设计阶段颤振导数和颤振临界风速估算工作的效率。通过比较发现BP神经网络比RBF神经网络对此类非线性效应显著的问题具有更强的适应性。