为得到精确的有限元计算模型,提出基于高斯扰动粒子群优化、拉丁超立方抽样和二次多项式或BP神经网络相结合的复合有限元模型修正方法.以某超宽截面自锚式悬索桥为工程背景,比对了环境激励试验和初始有限元模型动力特性结果,基于试验数据,采用提出的两种复合方法进行该自锚式悬索桥的模型修正,并比对了两种方法的优劣.得到以下结论,初始模型频率与试验结果误差较大,高达25％～40％,而MAC值在0.85附近,说明振型吻合度较好;基于提出的两种复合算法,修正后模型的频率与试验值误差显著减小,均控制在7％以内,MAC值略有增加,振型吻合度进一步提升;两复合算法比较显示,引入BP神经网络的方法计算效率优于二次多项式代理模型,且误差前者也优于后者,均控制在5％左右或以内,经比较,后者修正参数数值可信度高于前者;证明引入BP神经网络代理模型的复合算法,在复杂结构有限元模型修正中起到了关键作用,为大型高维结构模型修正积累丰厚的工程经验.