本文提出了一种改进的生成对抗网络（GAN），并成功地应用于结构非线性模型的修正。在改进的GAN网络中，通过引入agent模型，增强了网络鉴别器对非线性结构中每个节点的响应关系特征的学习能力。为了避免传统GAN网络中存在的梯度消失问题，通过跳转连接和密集连接加强网络层之间的信息交换，引入组合目标函数，构造模型输入响应与输出参数之间的映射关系，实现网络训练。在结构非线性模型修正过程中，将结构的动力响应作为网络模型的输入。经过训练的GAN网络模型可以根据输入数据的特点输出非线性模型参数的最优值，从而实现结构非线性模型的修正。通过对12层钢筋混凝土框架结构在地震荷载荷载作用下的数值模拟，验证了该方法的可行性，并通过比较基于卷积神经网络的非线性模型的修正结果，验证了该方法的优越性。最后，通过悬臂铝梁在地震荷载作用下的振动台试验，验证了非线性模型修正方法的可靠性。