建筑结构在长期服役过程中，受材料老化、环境侵蚀、荷载作用等多种因素影响，易产生裂缝、腐蚀、节点松动等损伤，若不能 及时识别和处理，会逐步降低结构承载能力，甚至引发安全事故。传统结构损伤检测方法依赖人工操作，存在效率低、主观性强、抗干扰 能力弱等问题，难以满足复杂建筑结构健康监测的实际需求。随着人工智能技术的快速发展，神经网络凭借其强大的特征提取、非线性拟 合和自适应学习能力，在建筑结构损伤识别领域展现出显著优势。本文以建筑结构健康监测损伤识别为研究核心，通过设计监测数据采集 方案、优化数据预处理流程，构建基于神经网络的损伤识别模型并完成训练优化，结合模型验证与工程应用分析，实现建筑结构损伤的精 准定位与程度量化，为建筑结构健康监测提供高效、可靠的智能识别方法，助力土木工程领域的智能化发展。 关键词：神经网络；建筑结构；健康监测；损伤识别；数据预处理