经济的快速发展与石油和天然气的需求密不可分,而海洋平台作为油气资源开发的重要结构设备被广泛使用。但是近年来,全球气候变化无常,加上海洋平台位处恶劣的海洋环境之中,遭受风、浪和潮流载荷的综合影响,导致海洋平台结构逐渐老化,承载能力急速下降。这不仅对平台设施造成损害,而且对海上工作和开采资源人员的身心健康构成巨大威胁。因此,有必要建立一种智能有效的海洋平台健康状况预警模型,定期对海洋平台进行评估预测,掌握其使用情况和健康程度。针对海洋平台日益突出健康状况评估问题,本文提出了改进的遗传算法和BP神经网络相结合的海洋平台健康状况预测模型,并开发了海洋平台健康预测系统,主要工作如下:首先,通过对目前国内外海洋平台结构健康状况的研究并结合海洋平台自身的结构特点,制定了衡量海洋平台健康状况的评价指标以及各个指标的分级标准,并对海洋平台健康状况的各个等级进行了划分和定义。其次,通过对海洋平台健康状况评价的指标体系确定海洋平台结构载荷信息采集的内容,并进行相应硬件的选型与传感器布点,制定出海洋平台健康监测的系统框架。然后,介绍了误差反向传播算法(BP)和遗传算法(GA)的结构原理、算法步骤和优缺点。并针对BP神经网络容易陷入局部极值、初始权值和阈值的随机性问题以及遗传算法局部搜索能力差、容易早熟收敛的缺陷,引入了改进的遗传算法来优化BP神经网络,利用改进的遗传算法来确定BP神经网络初始的权值和阈值,然后再代入到BP神经网络中进行训练学习直至收敛,搜索出最优解或者近似解。接着,本文以某海洋平台的监测数据作为实验样本来进行分析和验证,建立了BP神经网络模型、GA-BP神经网络模型以及本文提出的IAGA-BP神经网络模型来对海洋平台的健康状况进行预测,仿真结果表明,本文提出的方法不仅收敛速度快精度高,而且预测准确率更高,更加能够有效的评估海洋平台的健康状况。最后,以B/S作为系统构架,结合MVC设计模式开发了海洋平台健康预测系统,并以Java作为后台开发语言,Mysql存储和管理数据,Matlab对监测数据进行分析评估,将软件分为监测指标分级标准模块、平台健康状况等级说明模块、监测指标信息模块、平台健康状况评估模块和历史监测数据模块,实现了对海洋平台健康状况的预测评估工作。