为了解决结构早期损伤难以正确识别的问题，结合聚类经验模式分解（EEMD）解决随机不确定性问题和支持向量机（SVM）解决预测问题这两者的优势，提出了一种基于EEMD特征提取的支持向量机回归（SVR）结构状态趋势预测方法。先对单自由度结构渐进损伤的加速度振动信号进行EEMD，再进行希尔伯特变换（HT），计算瞬时频率，然后用回归支持向量机对反映结构健康状态的瞬时频率进行趋势预测。研究表明：对于渐变损伤该方法可以准确地、高精度地预测结构状态趋势。

提出了一种基于经验模态分解（Empirical Mode Decomposition，EMD）剔除位移响应漂移量的算法。这种算法将漂移成分视为EMD分解的最终残量（Residue），从原时程响应信号中分离并剔除EMD分解的最终残量后，再利用本征模函数（Intrinsic Mode Functions，IMFs）进行信号重构，能够得到接近真实的响应时程信号。该方法引入到实际桥梁结构的地震响应时程分析中，成功地解决了剔除结构地震响应位移漂移的难题。试算和实际计算效果表明此种方法效果良好，因而在结构地震响应分析中具有重要实用价值。