近年来,中西部公路交通事业蓬勃发展,跨越山区峡谷的大跨度桥梁比比皆是。大跨度桥梁周围风场环境多变,行车条件复杂,发生交通险情的几率突增。为了降低复杂山区强风对桥上安全行车的不利影响,建立可靠的大风行车安全预警系统必不可少。围绕复杂山区桥梁大风行车安全预警系统,本文进行了下列研究。以四川省泸定大渡河特大桥为工程背景,剖析了典型U型深切干热河谷山区风特性。首先,分析了沿桥梁展向多个测点的风速、风向和风攻角等平均风特性,明确了局部地形对平均风特性的影响。接着,对风速时程展开平稳性分析,发现了山区风非平稳性质极为突出的特点。最后,分别基于传统的平稳风速模型和非平稳风速模型,获取了紊流强度、阵风因子、脉动功率谱和紊流积分尺度等脉动风特性,在比较不同模型计算结果差异的同时,还讨论了脉动风特性沿桥梁展向的变化规律及影响因素。受地形影响,复杂山区大跨度桥梁主梁沿桥梁展向的平均风速差异明显。针对此类非均匀随机脉动风速场的模拟,传统谱解法模拟效率低下。研究中提出了加速非均匀随机脉动风速场模拟的新方法。通过舍入相干函数矩阵,再利用新式高效的Cholesky分解,并将分解后的大量零元素剔除,成功地加速非均匀随机脉动风速场的模拟。通过数值算例,验证了新方法模拟结果准确且计算快速。为提高超短时风速预测的精度,研究中提出了结合小波包分解、Elman神经网络、梯度提升回归树及基于密度的抗噪聚类方法的风速预测组合模型。该模型通过小波包算法分解原始风速时程,对分解后的每个子序列利用梯度提升回归树确定Elman神经网络的结构,并使用基于密度的抗噪聚类方法选取具有代表性的样本数据。利用实际算例,系统讨论了该组合模型的关键参数,并验证了其性能优越,预测精度高。基于经验模态分解及其改进算法和小波变换的信号分解技术可以有效地提高风速预测精度。但是对于经分解产生的最高频子序列,预测误差较大。为提高短时风速预测精度,缓解最高频子序列对最后预测结果的不利影响,研究中提出了利用奇异谱分析对其进行深化处理的方法。结合预测性能良好的Elman神经网络,分别提出了基于经验模态分解及其改进算法和小波变换的两类预测模型。通过实际算例,深入分析了各组合模型的关键参数,并验证了组合模型的优越性能。建立了适用于复杂山区桥梁的大风行车安全预警系统WINDINGS系统。WINDINGS系统基于C/S与B/S框架构建,由现场数据采集站,预警系统中心服务器,WEB客户端等软、硬件构成。现场数据采集站负责桥上数据的采集和传输。预警系统中心服务器是WINDINGS系统的大脑中枢,负责数据获取、风速预测、路面状态识别、车辆限速规则制定、车辆预警信息发布等工作。WEB客户端用于实时接收并查询风速等级、行车意见、天气状况和历史数据等一系列信息。