1.基于动载的桥梁静力行为预测方法，其特征在于，包括以下步骤：步骤1、根据既有桥梁的设计资料，建立全桥的结构分析模型；并将所述结构分析模型作为后续模型修正的初始结构分析模型；

步骤2、对既有桥梁进行动载测试，获取桥梁动力响应值；

步骤3、对初始结构分析模型中的各设计参数进行敏感性分析，获取并确定影响桥梁结构的待修正关键设计参数；

步骤4、基于均匀设计抽样法，利用机器学习智能算法，构建待修正关键设计参数的训练样本并建立代理预测模型；

步骤5、利用机器学习和智能算法的预测结果对初始结构分析模型进行修正，获取修正后的结构分析模型；

步骤6、基于修正后的结构分析模型进行桥梁静力行为预测；

步骤7、引入误差分析方法，对桥梁静力的预测结果进行评价；其中，误差分析采用均方根误差RMSE分析方法；均方根误差计算公式如下：其中， 分别为第i组样本所对用的试验响应值和智能预测模型预测响应值，为实验响应值的平均值。

2.如权利要求1所述的基于动载的桥梁静力行为预测方法，其特征在于：步骤1的结构分析模型采用数值方法建模，所述数值方法为有限元、边界元、离散元和/或无限元建模方法。

3.如权利要求2所述的基于动载的桥梁静力行为预测方法，其特征在于：步骤2中对桥梁动载测试时采用接触式或非接触式、直接法或间接法测量桥梁的动力性能；其中，所述动力性能的参数包括桥梁的频率、振型、阻尼、冲击系数、动挠度及动应变。

4.如权利要求3所述的基于动载的桥梁静力行为预测方法，其特征在于：步骤2中通过采用直接测量法中的环境激励法对一座既有桥梁进行现场动载测试；测试时通过拾振器布置在桥梁的L/8、L/4、L/2典型截面获取桥梁在地脉动下的振动响应，并对获取的时域结果进行傅里叶变换，既可得到反映桥梁频率特征的频域结果；

傅里叶变换公式为：

式中：j为虚单位，j^2＝‑1，无单位；T为周期，单位为秒；X为x的原函数；t为时间，单位为秒；ω为频率，x(t)为连续时间信号。

5.如权利要求3所述的基于动载的桥梁静力行为预测方法，其特征在于：步骤3中采用灵敏度分析方法对步骤1桥梁的初始结构分析模型的各设计参数进行敏感性分析，分析不同设计参数的灵敏度权重指标，确定桥梁的待修正关键设计参数。

6.如权利要求5所述的基于动载的桥梁静力行为预测方法，其特征在于：步骤4采用均匀设计抽样方法，构建空间均匀满布的待修正关键设计参数的训练样本，并结合智能算法建立预测模型；其中，所述智能算法包括贝叶斯理论、高斯过程方法和/或Kriging模型。

7.如权利要求6所述的基于动载的桥梁静力行为预测方法，其特征在于：步骤4采用的智能算法为Kriging模型算法；

T

其中，Kriging模型包含多项式和随机分布两部分，即y(x)＝f(x) β+Z(x)，其中：T

f(x) β＝[f1(x),f2(x),...,fp(x)]β＝f1(x)β1+f2(x)β2+...+fp(x)βp (4)；

f(x)为多项式向量，p为多项式数目，β为回归系数；

Z(x)是一个随机过程，称之为变异函数或相关模型，Z(x)的协方差矩阵为：式中：Cov()为协方差；σ为标准差；θ为超参数；xi和xj为样本点； 为样本点中任何两个样本点xi和xj的空间相关函数，其函数形式为：在Kriging回归函数模型预测过程中，将问题转化问最小优化问题，即通过求解公式的最小优化问题，得到参数θ，便可构建最优的Kriging预测模型，其中θ为超参数，m为自然数，m＝1,2,3,…m，σ为标准差。

8.如权利要求7所述的基于动载的桥梁静力行为预测方法，其特征在于：步骤5基于步骤4构建的预测模型，调用步骤2所获取的桥梁动载测试结果，对各待修正关键设计参数进行预测，并将各待修正关键设计参数的预测结果代入步骤1所构建的桥梁的初始结构分析模型，实现对初始结构分析模型的修正。

9.如权利要求6所述的基于动载的桥梁静力行为预测方法，其特征在于：步骤6基于修正后的结构分析模型，根据桥梁的静载试验方案，在修正后的结构分析模型中进行荷载工况的施加，实现对桥梁静力结果的预测。