En este artículo, se propone un nuevo método que utiliza la red neuronal de retropropagación (BP) combinada con el algoritmo genético mejorado (GA) para el diseño inverso de estructuras reforzadas de pared delgada. El modelo de red neuronal BP se utiliza para establecer la relación de mapeo entre los parámetros de entrada (tipo de refuerzo, altura de la nervadura, ancho de la nervadura, grosor de la piel y número de nervaduras) y los parámetros de salida (carga de pandeo estructural). Se añade un algoritmo genético para obtener el resultado diseñado inversamente de una estructura reforzada de pared delgada de acuerdo con la demanda real. Al final, de acuerdo con los parámetros geométricos del diseño inverso, la estructura reforzada de pared delgada se reconstruye geométricamente, y las soluciones numéricas del cálculo de elementos finitos se comparan con los valores objetivo de la demanda real. Los resultados muestran que el error máximo del diseño inverso está dentro del 5.1%, lo que implica que el método de diseño inverso de parámetros geométricos estructurales basado en el aprendizaje automático y el algoritmo genético es eficiente y factible.