چکیده: نظارت بر سلامت سازه های عمرانی و تشخیص آسیب های آن در مراحل اولیه، یکی از موضوعات مورد توجه همیشگی بوده است. اهمیت پل ها به عنوان گره‌های ارتباطی در شریان های حمل و نقل بر کسی پوشیده نیست. جایگزینی یک پل در شبکه‌های شهری اغلب بسیار مشکل وگاه غیرعملی می‌باشد. از این رو بررسی خرابی در این سازه ها به منظور ایجاد یک چرخه تعمیر و نگهداری مقرون به صرفه نیاز به توجه محققین دارد. در این تحقیق، از روش ماشین بردار پشتیبان حداقل مربعات (LS-SVM) برای طراحی سیستم عیب یابی هوشمند پل های فلزی استفاده شده است. وظیفه سیستم عیب یاب، شناسایی محل و میزان آسیب ها در پل می باشد. آسیب در این سیستم بصورت کاهش سختی مدل شده و از شاخص های خرابی مختلفی مبتنی بر تفاوت مد شکل سازه قبل و بعد از خرابی به عنوان ورودی سیستم عیب یاب استفاده می شود. برای مقایسه کارایی سیستم مبتنی بر LS-SVM، نتایج حاصله از آن با سیستم مشابه مبتنی بر شبکه عصبی تابع بنیادی شعاعی (RBFNN) مقایسه شده است. برای بررسی صحت روند ارائه شده چندین مدل پل فلزی مورد بررسی قرار گرفته است. نتایج بیانگر دقت بیشتر LS-SVM نسبت به شبکه عصبیRBF، حتی در صورت وجود نویز در داده ها، در عیب یابی پل های فلزی می باشد. به علاوه بررسی ها نشان می دهد که شاخص های نسبت مد شکل سازه سالم به مد شکل سازه معیوب و تفاوت مد شکل حالت معیوب و سالم دقت بهتری در شناسایی مکان خرابی در پل های فلزی نسبت به شاخص مد شکل سازه معیوب به تنهایی دارد.