人工神经网络(ANN)已初步应用于研究人体视在质量的响应预测,但在评估人-椅耦合系统的振动传递特性方面,尚需进一步量化研究。本文以低频激励下的人-椅系统振动实验为基础,寻求构建一种基于响应面法优化的人工神经网络模型,以人员年龄、身高、坐高、膝盖高度、臀膝长度、体重、性别、BMI,以及坐垫处泡沫厚度、频率作为输入特征,探究优化后的人工神经网络对垂向同轴和水平前后向正交轴座椅频响函数的预测性能。同时,基于超参数之间的交互影响建立模型超参数与预测性能指标的映射关系,优化并获取最佳超参数组合。结果显示,BP-ANN模型在建立人体体征参数、座椅结构特征与人-椅系统振动传递特性的非线性关系方面表现出良好性能。与BP-ANN模型相比,经过超参数优化的RSM-BP-ANN模型在预测垂向同轴和水平前后向正交轴座椅频响函数时的误差分别降低了25%与18%。因此,经过响应面法优化后的人工神经网络模型可以更准确地预测座椅频响函数,为快速有效地分析人-椅系统振动传递特性提供了新思路。