以钢板剪力墙为代表的复杂结构计算模型已有大量研究,但传统计算模型通常需要在计算精度、效率与适用性上进行权衡取舍,存在诸多不足。本文以钢板剪力墙计算模型为依托,围绕准确性、高效性、通用性三大目标,从精细有限元方法入手,进而引入深度学习技术,向新型结构智能计算框架进行探索。主要研究成果如下:（1）通过循环材性试验,开发了能够覆盖结构钢材常见力学特性的高精度弹塑性本构模型SSTHU,并提出了“批次渐进式标定法”用于解决参数标定问题,以此作为钢板剪力墙精细有限元计算模型的高精度保证。（2）提出了适用于全空间维度的J2弹塑性本构模型高效数值实现算法“P逆范数法”,其中推导了单变量标量控制方程和一致弹塑性切线模量解析表达式,进而引入了面向对象编程思想大幅提高了程序可维护性与模型可拓展性,以此作为钢板剪力墙精细有限元计算模型的高效性保证。（3）利用开发的精细有限元模型对各种构造的钢板剪力墙构件开展了全面数值模拟,结果表明,该模型基本兼顾了准确性、高效性和通用性,但仍具有较大优化空间。进而从构件宏观本构和材料微观本构两个层面揭示了传统计算模型基于唯象学拟合的数学机理,论证了引入深度学习技术的可行性和优势性。（4）分析并总结了结构计算分析的三大特性:序列长度极长,记忆效应显著,因果自回归性。针对三大特性,引入了Transformer架构,采用基于随机正交正映射的快速注意力机制、局部多头注意力机制、反向网络技术等算法建立了适用于任意具有历史依赖效应的力学响应预测通用深度学习模型Mechformer。（5）为钢板剪力墙结构静态特征制定了统一数据接口模式,并建立了静态特征表达学习模型PADCN。为解决模型训练样本不足的问题,数据侧提出了一系列数据增广方法,模型侧引入了与模型无关的元学习算法,进而搭建了Meta-Mechformer框架。数值试验结果证明了基于Meta-Mechformer框架的钢板剪力墙新式计算模型具有超越传统计算模型的准确性和高效性。