近年来，我国基础设施建设发展迅速，桥梁结构作为交通运输的重要基础设施，安全问题备受人们的关注。为保障桥梁的安全运营，桥梁结构健康监测系统得到了广泛的应用。在桥梁健康监测系统中，包括数量众多的传感器，这些传感器持续、长期、实时的采集各类数据。随着监测时间的不断增长，形成海量数据。本文通过研究基于kohonen算法的数据挖掘方法，对海量监测数据进行分析计算，为桥梁的后期评估以及预警提供基础数据。主要研究内容如下：第一，以三个随机数组为例对算法进行试验，通过三种数组的聚类结果分析算法中存在的不足。针对算法收敛速度和计算准确性两方面的不足提出了算法的改进，通过三个例子对比算法改进前后的收敛速度以及聚类准确性，证明算法的改进具有很好的效果。第二，利用有限元分析软件迈达斯，根据甬江特大桥的设计图纸建立大桥的初始有限元模型，并对大桥进行了初步的分析。分析桥梁初始有限元模型中可能存在的三种误差，确定产生每一种误差的原因。为了获得结构的基准有限元模型，减小各方面的误差，对结构的初始有限元模型进行修正。以结构的动力特性作为目标量对模型进行修正，修正后达到了很好的效果。利用修正后的结构基准有限元模型，模拟桥梁试验荷载，对桥梁存在的静力误差进行验证，通过结果可以看出，所得的结构基准有限元模型的静力方面误差要小于未进行修正的误差。第三，对健康监测原始数据进行预处理，进行滤波处理。结合kohonen算法与结构的基准有限元模型建立桥梁健康监测的数据挖掘聚类分析模型，确定识别异常数据的异常阀值。最后对得到的聚类模型进行验证，证明聚类分析模型的有效性。