我国桥梁数量逐年递增,随着交通荷载的日益繁重,危桥数量于2020年已达31035座,桥梁的养护支出费用达到14.1亿元,桥梁的养护改造决策规划已成为困扰桥梁管理部门的一大难题。如果能够预测桥梁的未来使用性能,将会帮助桥梁管理部门提前进行决策规划,改善桥梁管养决策困难的局面。鉴于我国是处于集中建设、管养的桥梁管理模式,在路网层面总结桥梁退化规律,并将其与项目级退化预测相融合,将具有更高的工程意义。为此,本文提出一种基于BP神经网络和马尔可夫链蒙特卡洛法（MCMC）相融合的路网级退化预测方法,结合项目级桥梁耐久性退化预测,以混凝土T梁桥为研究对象,进行桥梁上部结构退化预测研究。本文的主要内容包括:（1）对各类型的桥梁退化预测模型的使用方法、适用范围和优缺点进行介绍和归纳,并分别对路网级和项目级桥梁退化预测进行了阐述。针对目前缺乏对两种层级退化模型相互协调这一问题,提出了将机器学习中BP神经网络和随机方法中的马尔可夫链以及耐久性退化预测融合的创新方法和研究思路。（2）对本文所使用的模型实验数据,将美国NBI（国家桥梁数据库）中的桥梁检测数据类型与我国现行标准下的桥梁数据做对比,详细介绍了BP神经网络和马尔可夫链的基础理论,将神经网络中的敏感性分析结果作为马尔可夫链模型求解转移概率矩阵的数据来源,阐明两种方法的融合使用思路及理论基础。（3）详细介绍了BP神经网络的建模过程,阐明了输入数据的选择对网络性能的影响,着重介绍了输入数据的筛选、网络的建立、网络性能的测试和敏感性分析的具体计算过程,对敏感性分析作总结,为马尔可夫链模型作铺垫。（4）详细介绍了马尔可夫链的建模过程,阐述了马氏链在桥梁退化建模中的假设及使用前提。用马尔可夫链蒙特卡洛法和传统的百分比预测法做对比,使用神经网络敏感性分析结果并作聚类分析,进一步提升模型精度,并使用原始检测数据和模型预测值做结果对比,验证模型的预测准确性。（5）基于桥梁耐久性能的路网级到项目级桥梁退化预测研究。根据BP神经网络和马尔可夫链模型试验结果,使用贵州省某公路网内共118座混凝土T梁桥建立路网级退化预测模型,并选择其中一座桥梁作为项目级研究对象,建立耐久性指标体系,并将路网退化预测结果纳入体系当中,为各指标赋予权重,得到耐久性退化预测结果,与该桥梁历史检测数据做对比,验证了路网级—项目级模型的可行性及准确性。桥梁退化预测模型能够帮助管理部门在正确的时间进行桥梁养护,优化桥梁管养资金的风险成本和估算维修加固预算,具有很高的实用价值。