如何合理判别桥梁结构损伤位置和损伤程度已成为结构损伤识别领域需要解决的关键问题之一。本文基于加速度响应数据,将机器学习与损伤指标法相结合（如:Wold分解法、加权随机森林模型、动态线性模型以及随机森林动态耦合线性组合模型）,构建损伤敏感因子,对结构损伤进行了识别评估,具体研究内容如下:（1）利用结构加速度响应建立加权随机森林模型（Weighted Random Forest,WRF）,实现不同损伤状态下结构加速度的分类预测。结构无损时的加速度响应作为基准信号,结构损伤时的加速度响应与基准信号之间有偏差。依据数据拟合度,构建表征结构损伤状态的损伤敏感因子,进而得到结构损伤状态与损伤敏感因子的变化关系,实现结构的损伤评估。采用简支梁模型,通过设立不同工况,并考虑噪声影响,验证该方法的有效性。（2）提出数据解耦和多个动态线性模型相融合的加速度响应预测方法。采用Wold分解法对加速度响应进行解耦,使用PCCs系数分析解耦产生的两部分数据间的相关性,采用动态线性模型（Dynamic Linear Model,DLM）,建立加速度响应解耦数据的动态线性组合预测模型,融合分量预测结果,实现结构加速度响应的动态预测。采用简支梁模型,验证分析该方法的有效性和实用性。（3）提出随机森林算法与贝叶斯预测方法相融合的结构动态损伤评估方法。使用随机森林算法和凝聚层次聚类法对加速度响应进行聚类分析,并基于不同聚类类别的加速度响应,建立了随机森林动态耦合线性模型（Random Forest Dynamic Coupled Linear Model,RFDCLM）,考虑噪声影响,结合损伤敏感因子（Damage Sensitive Factor,DSF）的变化,实现结构状态的动态评估。建立简支梁和连续箱梁的有限元模型,验证该方法的有效性。