在建筑结构的长期服役过程中，可能会受到多种外部和内部因素的影响，导致部分关键构件失效。结构应变响应能直观地反映这些构件的运行状态，因此，准确预测结构的应变响应对建筑结构的长期监测具有重要意义。提出一种基于特征选择的卷积神经网络-长短期记忆网络（CNN-LSTM）结构应变响应预测方法，并基于北疆明珠塔健康监测系统实测数据对该方法进行验证。对输入模型的特征进行Pearson相关性分析，并进一步利用随机森林算法对各特征的重要性进行排序和选择，确定输入模型的特征。利用该方法建立CNN-LSTM结构应变响应预测模型，采用贝叶斯优化算法对模型超参数进行精细调整以提高模型的预测精度，并与常规长短期记忆网络（LSTM）模型和双向长短期记忆网络（Bi-LSTM）模型的预测结果进行比较。结果表明，CNNLSTM模型在所有应变测点上的预测值与实际值之间的相关系数均超过了0.99，表明该模型在预测构件应变响应方面具有优越性能，且相较于LSTM和Bi-LSTM模型，CNN-LSTM模型具有更高的预测精度。
