自升式平台凭借其自身结构的优点,在整个海洋油气开发领域中应用广泛,是一种十分重要的海洋油气开采装备,由于其作业区域的地质条件往往比较复杂,而且作业过程还容易受到风浪流等其他外部环境载荷的影响,所以当海洋平台位于上硬下软的层状地基（俗称“鸡蛋壳”地形）时,容易发生“穿刺”事故,也就是桩腿不可控制地快速贯入地基的现象。在整个自升式平台的事故统计中,穿刺破坏占据了一半以上,而且造成的后果十分严重。鉴于穿刺破坏的多发性以及破坏力,研究一种行之有效的方法,即在平台发生穿刺破坏之前作出预警将颇具意义。本文以自升式平台为研究对象,提出了一种全新的基于结构动力响应的穿刺预警方法,该方法基于深度学习算法实现自升式平台穿刺状态的预警性反演。初步的研究进展及成果总结如下:（1）对国内外学者在自升式平台穿刺机理以及预测方面取得的研究成果进行了深入调研,并且对平台结构健康监测及反演研究现状展开了讨论,学习并借鉴深度学习智能模型在损伤识别以及故障诊断方面的应用思路,提出了一种基于结构动力响应的智能化穿刺预警方法。（2）进行了考虑不同地基类型的自升式平台动力学响应数值分析研究。以实验室自升式平台缩尺模型为对象,建立了含简化地基模型的平台动力学仿真模型,开展不同地基工况（安全地基、易穿刺地基）下的自升式平台动力学仿真。同时从时域和频域两个角度对比不同工况下的平台动力学响应,发现传统的时频分析方法无法对不同的地基工况进行准确区分,即无法对可能发生穿刺的桩腿进行有效预测性识别,因此非常有必要通过引入先进理论与技术研究适于自升式平台的穿刺预警方法。（3）基于深度学习在故障诊断、损伤识别以及特征提取等领域取得的显著成果,分别应用CNN和SAE两种算法建立了自升式平台智能化穿刺预警模型。以仿真所得的振动信号作为模型输入,研究了上述两种模型在平台穿刺预警识别中的有效性。研究表明,两种模型均达到了较高的识别精度,并且对于仿真数据而言,SAE在识别精度和识别效率两方面均优于CNN。（4）设计并建成自升式平台穿刺预警及动力学检测试验系统,设计并加工安全和易穿刺两种简化混凝土地基。以试验系统为对象进行了三种地基工况的平台动力学响应检测试验:三个均为安全地基、含一个易穿刺地基和含两个易穿刺地基。以试验采集到的振动响应信号为输入,应用CNN和SAE两种模型分别对地基状态即桩腿穿刺状态进行识别,从试验角度验证了平台动力学响应数值模型以及平台穿刺预警CNN和SAE模型的有效性。（5）在上述研究的基础上,建立融合实际土壤模型（纯硬黏土地基和“上硬下软”双层黏土地基）的自升式平台单桩结构复杂动力学数值模型。通过开展自升式平台结构动力学响应分析,应用平台穿刺预警CNN和SAE模型进行单桩穿刺预警识别。研究结果表明,两种预警模型的识别准确率分别达到了87.28%和90.10%,进一步验证了两种模型在穿刺预警识别研究中的有效性、适用性以及推广性,进而说明了该方法的可行性,为该方法在工程实际中的推广应用奠定了基础。