拉索索力的改变直接反映斜拉桥结构体系受力状态的变化，因此索力监测对斜拉桥健康评估具有重要意义。然而现有关于索力的研究大多为索力识别，难以做到根据历史索力数据实现对未来索力的预测。为此，提出一种基于门控循环单元（GRU）神经网络的索力预测方法：利用GRU神经网络对时序型数据的处理能力以及索力数据较强的序列化特性，搭建基于GRU神经网络的索力预测框架，该预测框架包含输入层、GRU隐藏层与输出层；利用实桥连续采集的索应力时程数据作为训练及验证样本，对样本进行数据切片和归一化；搭建能够实现对该桥未来索力进行预测的GRU神经网络，结合梯度下降优化算法进行网络计算。结果表明所提方法对不同长度的拉索都具有较好的预测效果。