驾乘人员个体特征的差异及乘坐环境的变化均会对人体-座椅系统振动传递特性产生影响。为进一步明确驾乘人员体征参数与接触条件对系统振动响应的映射关系,本文基于人体振动实验数据构建遗传算法(GA)和误差反向传播算法(BP)融合的神经网络预测模型,由全因子分析筛选确定人体体重,振动幅度、靠背倾斜角度、坐垫厚度、频率为特性因子,并以此设置为模型输入参数,实现对1-10Hz频率范围内的坐垫处垂向同轴和水平前后向正交轴座椅频响函数的预测。结果显示,相比BP神经网络,GA-BP神经网络的训练误差值较小,模型预测值与实验测试值拟合度可达94.6%,其模型输入参数对座椅频响函数的影响规律与实验结果具备较高的一致性。本文建立的GA-BP神经网络模型可有效评估个体差异与人-椅接触条件对人-椅系统振动传递特性的影响规律,并为座舱振动因素评估提供有益参考。