西部山区桥梁众多且地震频发，为快速评估震后桥梁结构响应及破坏状态，缩短救援时间并加快灾后重建进程，本文提出了一种基于深度学习的桥梁响应预测方法。以山区大跨度刚构桥为工程背景，基于长短时记忆网络（LSTM）框架，对比分析了全序列到序列（W-LSTM）和堆叠序列到序列（S-LSTM）两种深度学习模型的性能。采用非脉冲和脉冲地震动作为训练输入集，以脉冲地震动为测试输入集，并以墩底曲率响应作为输出集，实现了地震动到结构响应的非线性映射。研究结果表明，S-LSTM模型在训练效率和预测精度方面均显著优于W-LSTM模型。具体而言，S-LSTM模型对时程曲线变化及响应峰值的学习能力明显更强，尤其在响应脉冲式变化的学习效果上表现突出；在训练时间方面，W-LSTM的训练耗时是S-LSTM的7.38倍；在响应预测方面，S-LSTM模型能够准确预测脉冲地震作用下桥梁结构的地震响应，并且目标集与预测集的相关系数均超过0.96。在易损性分析中，预测集与目标集的易损性曲线高度吻合，最大误差仅为1.58%。值得注意的是，传统方法的计算时间约为本方法的56倍。可以看出，本文提出的基于S-LSTM的桥梁响应及易损性快速预测方法，可为震后桥梁结构响应快速评估和破坏状态判定提供有效的技术支撑。

山区大跨度刚构桥；长短时记忆网络；地震响应；桥梁易损性