桥梁是交通网中的重要组成部分，在跨越河流、峡谷、海湾等不可直接逾越的地方起着不可取代的作用。桥梁在建设以及运营期间，会受自身原因及外界因素的影响产生不可避免的变形，当变形超过一定的限度，如若没有及时发现，就会酿成重大事故。由桥梁变形引起的灾害在国内外屡见不鲜，为了尽量避免桥梁事故的发生，在桥梁建设施工及运营阶段，桥梁变形监测及变形预测的重要性尤为突出。　　桥梁是一极其复杂的系统，其自身各种参量都是不确定的，随机的，桥梁本身也跟外界不断地在物质、能量、信息等方面进行着变换，因此桥梁的变形过程表现为非线性模型。混沌时间序列预测方法，以混沌理论为基础，是当今比较流行的一种非线性预测方法。　　本文结合青岛某桥梁变形监测的实测数据，利用混沌时间序列预测的方法对桥梁变形规律进行研究，结合RBF神经网络，建立了基于RBF神经网络的混沌时间序列预测模型。首先对桥梁变形监测实验数据进行混沌识别，然后计算了时间序列的延迟时间τ和最佳嵌入维数m，进行相空间重构。通过基于RBF神经网络的混沌时间序列预测模型重点对桥梁变形中的水平位移做预测，并与基于最大Lyapunov指数的预测方法预测的结果以及实测数据进行对比分析，证明本文基于RBF神经网络所建的混沌时间序列预测模型的可行性。