在系统分析中,参数灵敏度分析不仅为判断各系统参数的重要性大小提供了依据,量化的灵敏度指标也是后续参数估计的前提。然而,在多数实际系统中,系统参数与系统状态间的显式函数关系不易得到,导致一阶灵敏度指标无法直接求取。简化的单因素分析方法亦存在模型粗糙、精度不高的缺点。本文研究采用人工神经网络的高精度泛化映射,通过少量样本的训练,建立复杂系统中多个系统参数与系统状态间的近似映射关系,继而推导得到统一的灵敏度计算列式。简单结构的神经网络方法和解析方法的对比计算显示了方法的有效性和可靠性。最后,应用该法对某斜拉桥结