为了解决传统损伤识别方法在未知复杂风险情景下识别能力不足的问题，以某三跨连续梁桥为研究对象，构建了该桥多层次风险情景库。基于改进的深度前馈神经网络（DFNN）算法，对桥梁不同的风险类型、风险位置及风险程度进行特征学习，并用训练完毕的网络对预设风险情景工况进行预测分析，实现桥梁多层次风险识别研究。结果表明，加入L2正则化可以显著提升DFNN的泛化能力，使分类、定位及定量识别的训练准确度分别达到91.6%、74.9%和93.7%；并在有限元模型风险预测中表现出较高的预测准确率，分别为80%、100%和97.41%。总体来说，提出的L2-DFNN可以较好地实现桥梁多层次风险识别工作，可为桥梁健康监测提供重要支撑。

多层次风险识别；深度前馈神经网络；L2正则化；防灾减灾；桥梁健康监测