基于概率分布模型分析结构健康监测数据是领域内的重点研究内容之一。随着结构健康监测传感网络的发展,监测数据的维度越来越高。因此,基于多维概率分布对多维监测数据进行概率建模、概率预测、概率预警是结构健康监测数据分析的核心任务。本文主要工作包括:（1）对结构健康数据概率分析研究进行综述。全面综述了监测数据的不确定性与相关性、监测数据概率分析方法、基于多维概率分布模型的监测数据概率分析研究现状。（2）提出基于多维概率分布模型的监测数据概率分析理论框架。该框架同时引入Copula理论和高斯混合模型的两种方法;基于贝叶斯推理分别对两种方法进行参数识别与模型选择,并得出最优多维概率分布模型;在最优模型的基础上进行目标变量蒙特卡洛模拟、概率预测、概率预警。最后,基于模拟算例验证理论框架的有效性。（3）开展多维温度监测数据概率分析。以塔夫茨大学Dowling Hall桥的温度监测为背景,应用提出的理论框架,分别获取基于Copula理论和高斯混合模型的多维空气温度与构件温度概率分布模型,并基于贝叶斯模型选择得出最优多维概率分布模型,最终分别考虑完整与不完整信息下目标温度的概率预测。研究表明:Dowling Hall桥多维空气温度与构件温度存在明显的空间相关性;多峰高斯混合模型是描述该桥多维温度数据的最优多维概率分布模型;增加给定信息能不断改进目标构件温度的概率密度函数。（4）开展多维环境因素-模态参数监测数据概率分析。以澳门大学东亚楼环境因素（温度与湿度）与模态参数（第一到三阶模态频率）监测为背景,应用提出的理论框架,分别获取基于Copula理论和高斯混合模型的多维环境因素与模态参数概率分布模型,并基于贝叶斯模型选择得出最优多维概率分布模型,分别考虑完整与不完整信息下目标模态参数的概率预测,最终结合异常概率判别法进行结构整体健康状况预警。研究表明:东亚楼第一到三阶模态频率与温度、湿度存在明显的相关性;多峰高斯混合模型是描述该建筑多维环境因素与模态参数数据的最优多维概率分布模型;增加给定信息能不断改进目标模态频率的概率密度函数;监测数据分析结果表明结构整体健康状况在监测周期内无安全风险。