近些年来由于水流冲刷导致桥墩基础暴露,进而威胁桥梁安全甚至导致桥梁破坏的现象层出不穷。因此,研究如何准确预测桥墩的冲刷深度,为桥墩基础填埋深度及后期防护提供理论依据,具有十分重要的现实意义。本文首先对国内外学者关于桥墩一般冲刷、局部冲刷、河床采沙对桥梁冲刷影响的相关研究进行总结。通过结合一般和局部冲刷的机理对其影响因素进行分析。以位于赣江下游的赣江南支特大桥为工程背景,对大桥的冲刷深度进行研究,具体的研究内容及得到的结论如下:（1）利用国内主要冲刷公式对大桥一般和局部冲刷两部分计算,发现两者叠加值远小于实际冲刷值,需考虑河床采沙对冲刷深度影响;另外发现在使用不同经验公式对冲刷深度计算时结果相差较大,容易造成取值偏差,且所需参数较多,计算较为复杂,不能很好地满足现实预测需求。（2）对于桥墩一般冲刷和局部冲刷这一复杂的非线性问题,在前人研究的基础上,本文提出采用遗传算法（GA）优化的BP神经网络进行预测,其中输入因子的选择利用平均影响值（MIV）进行筛选,结果表明MIV-BP、GA-MIV-BP模型较传统BP模型在预测精度上有较大提高,说明遗传算法和的影响因素筛选都能对BP网络进行优化。将测试样本的网络预测值与冲刷实测值进行BlandAltman一致性检验,结果表明GA-MIV-BP模型预测值和实测值两者间较好一致性,可以相互代替。最后通过另取的实测样本的验证,发现网络预测精度并不低于现有的经验计算公式,证明了模型预测具有较好的泛化能力,在桥墩一般冲刷和局部冲刷预测方面具有一定的使用价值。（3）分析溯源冲刷机理,通过其概化模型得到采沙坑引起的桥墩溯源冲刷计算公式。但由于溯源冲刷的复杂性,公式中平衡比降该参数难以获得,因此提出利用大量溯源冲刷样本通过训练建立针对平衡比降的BP网络模型来对其进行预测,通过对不同因素下网络预测精度的对比分析,确定网络的输入因素为单宽流量、水流含沙量及泥沙平均粒径,并结合MIV平均影响值验证了所选因素符合BP网络的建模要求。最后结合遗传算法进行优化,利用建立的GA-MIVBP模型对测试样本进行预测,结果表明所建立的网络预测效果较好,可以运用于采沙坑引起的桥墩溯源冲刷深度预测。（4）通过以上建立的网络模型,预测得到赣江南支特大桥在设计频率洪水下一般冲刷、局部冲刷深度分别为0.645m、2.18m,采沙坑对大桥造成的最大溯源冲刷深度为4.597m,叠加后预测大桥的最大冲刷深度为7.422m,和非洪水状态下桥梁冲刷实测值对比,结果较为合理,可以为桥墩后期防护加固提供理论参考。