受水激振动等多种因素影响，闸门的启闭运行呈现多场耦合、复杂非线性动力学特征，造成设备安全性态辨识困难。闸门启闭运行的测试数据表明，人工神经网络算法可辨识水激振动病害特征和准确预测水激振动病害趋势。为此，通过BP神经网络和GA-BP神经网络，构建闸门水激振动病害辨识和预测模型，对卷筒振动有效值进行辨识与预测，并通过相对误差(R

RE

)、平均绝对误差率(M

MAPE

)、均方根误差(R

RMSE

)等指标评价模型辨识性能。结果表明，相对于BP神经网络的辨识模型，GA-BP神经网络模型的相对误差减少了20.77%

平均绝对误差率减少了4.74%

均方根误差减少了6.27%

GA-BP闸门水激振动病害辨识技术更好贴合实测样本集，且随预测时间增大表现更好稳定性，可为工程减害运行和防范重大险病提供关键技术支撑。