近年来,FRP筋混凝土材料被广泛应用在海港码头、桥梁隧道等基础设施建设中,为在恶劣条件下解决钢筋锈蚀问题提供了有效方案。界面粘结性能作为FRP筋和混凝土之间协同工作的基础,是决定构件能否正常使用的重要因素。由纤维与树脂拉伸压制而成的FRP筋与混凝土界面性能受FRP筋种类、表面形式、直径、锚固长度、混凝土强度、保护层厚度等多种因素影响,而环境因素如干湿交替、酸碱氯盐、温度变化等也会导致界面粘结强度下降,要建立反映多种因素影响的界面粘结强度统一理论模型难度较大。为了得到计算精度更高,适用性更强的常温、高温下的粘结强度预测模型,以及不同环境因素影响下的粘结强度耐久性预测模型,本文开展机器学习算法及其应用研究,主要研究内容和结论如下:（1）对FRP筋混凝土的界面破坏机理进行梳理,基于文献中的实验数据分别讨论了常温、高温下FRP筋混凝土的界面粘结强度的影响因素,同时总结了影响FRP筋混凝土界面粘结强度耐久性的环境因素以及其影响机理。收集归纳了常温、高温两种情况下的界面粘结强度理论模型及规范相应规定,以及现有的FRP筋混凝土界面的粘结强度长期性能的预测模型。（2）采用遗传算法优化神经网络（GA-BPNN）建立常温下FRP筋混凝土粘结强度的预测模型。基于文献中292组实验数据,随机选取其中234组构建训练集,建立一个由三层神经网络构成的界面强度预测模型;将剩余58组实验数据作为测试集代入模型,以验证模型的预测能力。同时将GA-BPNN模型的预测结果与未进行优化的神经网络（ANN）模型的预测结果进行对比,发现遗传算法不仅加快了神经网络模型训练的收敛速度,也提升了其预测精度。将建立的GA-BPNN模型与现有的理论模型和规范方法进行对比,结果表明,GA-BPNN模型具有良好的预测精度和适用性。（3）采用基因表达式编程（GEP）算法建立高温下FRP筋混凝土粘结强度剩余率的预测模型。收集整理了文献中高温下FRP筋混凝土拉拔试件的实验数据85组,基于其中75组数据建立了界面强度的GEP模型,并生成显式公式,剩余的10组实验数据用于模型验证。比较GEP模型和现有理论公式对高温下粘结强度剩余率的预测能力,结果表明,GEP模型不仅具有良好的预测能力,能满足精度要求,同时涵盖更多的输入变量,具有更强的通用性。（4）基于随机森林（RF）算法,针对于FRP筋混凝土在海洋环境中常见的三种影响因素:氯盐溶液、碱溶液和水环境,建立该环境下长期使用的粘结强度剩余率预测模型。收集文献中FRP筋混凝土在不同温度下碱性、氯盐和水环境的加速实验数据,建立了一个含有210组实验数据的数据库,采用其中168组数据训练RF模型,并利用42组数据验证RF模型预测精度。进一步将预测值与实验值比较,以验证RF模型的预测能力。基于RF模型的预测数据,利用Litherland模型建立了海洋环境（氯盐、碱、水）下粘结强度的服役寿命预测模型,并与规范中给出的耐久性预测模型进行比较,评估RF模型在FRP筋混凝土粘结强度耐久性分析应用的可行性。