中国位于两个主要地震带之间,地震活动频繁。桥梁结构作为国家重要的基础设施和交通枢纽,易受地震破坏,对交通运输影响很大。因此,对桥梁结构进行地震危险性评价显得尤为重要。地震易损性分析作为地震风险评估的重要组成部分,在国内外进行了广泛的研究,但仍存在一些不足。支持向量机（Support Vector Machines）作为机器学习中十分重要的分类方法,在处理小样本问题、非线性可分的问题和低维模式难以解决的问题中表现出独有的优势,为地震桥梁易损性方法增添新的思路。主要研究工作内容如下:（1）公路规则梁桥有限元建构与分析研究包括主梁、支座、桥墩、盖梁、基础等桥梁主要构件的模拟,建立规则梁桥的三维非线性有限元模型。通过适当的方法从太平洋地震工程中心强震数据库中选用地震动记录,根据所选择的桥梁样本和地震动进行有限元分析,对最容易破坏的支座、墩柱和桥台这三构件地震响应进行记录分析。根据所选择的桥梁样本和地震动进行有限元分析,对最容易破坏的支座、墩柱和桥台这三构件地震响应进行记录分析。将地震对桥梁系统的破坏等级分为轻微损伤、中等损伤、严重损伤和完全损伤四种损伤状态。墩柱、支座和桥台等作为桥梁地震破坏的最主要构件,分别记录墩底曲率、支座相对位移和桥台位移的地震响应值。根据桥梁结构的破坏情况及使用功能对桥梁抗震性能进行五级抗震性能水准划分,最后计算得到地震动-桥梁损伤状态样本库,为下文建立桥梁地震易损性曲线提供数据基础。（2）基于支持向量机的桥梁地震易损性模型阐述SVM基本理论以及SVM解决分类问题的过程。对于线性模型的二分类问题,阐述线性模型的形式,引入边缘的概念,即决策边界与任意样本之间的最小距离。求解线性模型的最优解,引入拉格朗日乘数可得拉格朗日函数,分析求解最优解的算法。对于SVM解决非线性问题算法,引入核函数,使在低维空间线性不可分的数据映射到高维空间线性可分。列出核函数常用的形式,阐述SVM从解决二分类问题到多分类问题上的转换,以及SVM结合Logistic模型实现SVM概率输出的算法。对相关向量机（Relevance Vector Machines）解决多分类概率输出算法进行阐述,RVM作为一种新的稀疏贝叶斯概率模型,分析相关向量机相比SVM方法表现的优势,以及如何回归估计得到预测值的概率。最后基于支持向量机与相关向量机方法建立桥梁地震易损性模型。（3）桥梁地震易损性模型方法的评估阐述Probit回归法与Softmax回归法的基本理论,并基于Probit回归法与Softmax回归法建立桥梁地震易损性易损性模型。通过ROC曲线方法比较四种方法的得到的易损性模型。通过目前比较认可的评价指标（面积指标、准确率）评估四种建立易损性曲线的方法。通过四种方法的比较分析,发现SVM、RVM两种方法与传统方法在建立易损性曲线上同样具有较高的有效性与准确性,而且SVM、RVM方法建立桥梁地震易损性模型的算法更加符合实际。