在国家的现代化建设中,桥梁建设是必不可少的。桥梁由于投资巨大、使用期漫长,因此其使用的安全性极为重要。对于所有的桥梁,在建成通车以后,随着时间的推移,由于种种因素会使桥梁的安全度有所下降,以至影响车辆运营的安全。影响桥梁安全的因素很多,诸如:原设计未达到使用要求,施工未达到设计要求,桥梁存在病害,材料老化,疲劳效应锈蚀而未及时养护,车辆的载荷增大或交通量剧增,桥梁伸缩缝损坏等等。随着经济建设的发展,对交通提出了越来越高的要求,反映在交通运输方面,是交通量的不断增加和车辆载重量的增大,使桥梁的交通能力、承载能力等功能性缺陷加剧。为了确保桥梁的正常使用,对桥梁的状况进行健康监测就显得非常重要。当前的主要桥梁监测方法分为人工检测的方法和一些自动识别方法,它们一般都存在检测费用高、效率低和灵敏度不高的问题。本文在数据挖掘技术的基础上,结合桥梁监测系统的现状,提出了利用数据挖掘技术处理大型数据集的能力来分析由桥梁监测系统产生的数据的方案,用于提高分析桥梁健康状况的能力,最大程度上地确保桥梁安全地使用。本文主要研究了采用数据挖掘技术对桥梁监测数据进行分析的方法,处理桥梁长期监测中所产生采集大量数据。建立了多种数据挖掘模型,分别是:(1)聚类模型,主要用于桥梁数据的异常情况监测,数据的归约。(2)关联模型,主要用于发现桥梁结构或环境参数之间的关联规则。(3)时间序列分析模型,主要用于观察桥梁监测数据的变化趋势,各参数值变化趋势的比较,以及参数值的预测,通过参数值的时序图对比,也可以发现桥梁参数的相关关系。利用所建立的可以重复利用的各种数据挖掘模型,可用于对当前桥梁健康状况的判断和识别。数据挖掘技术注重对数据的分析,发掘出桥梁监测数据所隐含的有用信息,提高了桥梁健康状况评估的自动程度和效率。