结构在地震等突发事件中发生局部坏时,抵抗整体倒塌的能力至关重要,鲁棒性（Robustness）被用于描述结构的这一性能。然而目前关于结构鲁棒性的研究尚未形成统一体系,更未发现针对隔震连续梁桥鲁棒性评价的研究。此外,不确定性是影响结构响应的一个重要因素,但考虑不确定性时结构响应计算量大的问题始终没有得到很好地解决。因此本文引入神经网络预测结构响应以减小计算量,并提出考虑不确定性的隔震连续梁桥的鲁棒性评价方法。主要内容和结论如下:（1）基于遗传算法优化神经网络的结构响应预测。引入了神经网络以减小考虑不确定性时结构响应分析的计算量,并使用在传统遗传算法基础上构建的并行优化遗传算法（Genetic Algorithm for Parallel Optimization,GAPO）对神经网络的参数进行优化。验证结果表明GAPO算法在计算量、精度和稳定性方面都比蒙特卡洛法和传统遗传算法更有优势,经过GAPO优化的神经网络对结构响应的预测性能更高。（2）考虑不确定性的隔震连续梁桥地震响应及可靠度分析。针对隔震连续梁桥这一特定的结构形式,以区间变量描述隔震连续梁桥混凝土、钢筋和隔震支座力学性能参数的不确定性;选择一定量震级和震中距均匀分布的地震波来体现地震动的不确定性。为了考虑隔震支座的参数不确定性,通过Open Sees二次开发实现了铅芯橡胶支座和SMA复合型支座的模拟。经过测试选定径向基神经网络对桥梁地震响应进行预测,为每条地震波对区间变量抽样进行神经网络训练与验证。最后将训练好的神经网络与蒙特卡洛法结合进行桥梁地震响应和可靠度的计算。（3）隔震连续梁桥鲁棒性分析。根据隔震连续梁桥的构造特点,将分析重点从构件转为各个桥墩及其连接的支座组成的桥墩-支座体系。通过可靠度分析桥墩-支座体系的易损性,并以参数波动法替代构件拆除法分析其重要性;提出了基于桥墩-支座体系重要性系数和易损性系数的隔震连续梁桥鲁棒性指标以及鲁棒优化设计的思路。经过算例对比发现,本文提出的鲁棒性评价方法能很好地反映隔震连续梁桥鲁棒性的水平,且经过鲁棒优化设计的桥梁鲁棒性更好。