随着我国交通事业的蓬勃发展，桥梁数量越来越多，桥梁健康监测已成为土木工程领域当前研究的热点问题之一。许多桥梁在建设时就安装了监测的传感器，在桥梁的运行过程中产生了大量的数据，如何有效的利用这些数据来全面的分析桥梁的状态，以及对桥梁结构的变化提供有效的预警，快速有效的诊断桥梁的状态，是桥梁工程研究的一个重要课题。本文利用数据挖掘技术对桥梁结构状态进行分析及预警。本文的研究内容包括：1.对桥梁监测系统传感器采集的数据进行预处理。对各属性进行相关度分析，结合各类传感器采集的数据范围，对单点缺失值和连续缺失值失效模式进行识别，通过历史数据和经验数据对缺失值进行补全，对由于传感器异常或者传输异常的数据进行对应的处理。利用线性回归的方法，对受温度影响较大的属性，如挠度、加速度等剔除温度因素的影响。2.运用主成分分析原理，对各类传感器采集的数据进行关联分析，对关联度较大的属性，利用PCA算法对各属性进行主元分析，以便通过数据更全面的分析桥梁的状态。同时对判别桥梁健康状态意义不大的数据进行降维处理，以减少数据的处理量，使输入模型的数据更加有效。3.基于数据挖掘的聚类理论，利用kohenon人工神经网络算法对前期经过处理的结构化数据进行自适应聚类，形成聚集的簇，对簇内的点进行解释，与桥梁正常状态下的理论值比较，得到正常运行状态下采集数据的分类模式。当采集的数据出现异常值时，提供相应的判别和预警，以便利用桥梁工程的相关知识对异常数据分析，找出对应的桥梁结构的异变情况。4.建立了给定桥梁的状态评估Apriori模型，通过对监测的历史数据分析，形成桥梁数据各属性之间的强关联规则，挖掘各属性之间潜在的关联规则，为桥梁状态的评估提供更多的有数据支撑的依据。