Durante el diseño y la validación de la ingeniería estructural, el enfoque está en una población de estructuras similares, no solo en una. Estas estructuras enfrentan incertidumbres provenientes de entornos externos y configuraciones internas, lo que provoca variabilidad en las respuestas bajo la misma carga. Identificar la carga real a partir de estas respuestas dispersas es un desafío significativo. Este artículo propone un método de red neuronal de intervalo (INN) para identificar cargas concentradas estáticas, donde los parámetros de la red se internalizan para crear una nueva arquitectura de INN. Además, el artículo introduce un indicador mejorado de la función de pérdida de calidad de predicción de intervalos llamado criterio de cobertura y media cuadrática (CMSC), que equilibra la tasa de cobertura del intervalo y el ancho del intervalo de la carga identificada, asegurando que la mediana del intervalo de reconocimiento esté más cerca de la carga real. La eficiencia del método propuesto se evalúa a través de tres ejemplos y se valida mediante investigación comparativa contra otras funciones de pérdida. Nuestros hallazgos de investigación indican que este enfoque mejora la precisión, robustez y generalización del reconocimiento de cargas. Esta mejora es evidente incluso cuando se enfrenta a desafíos como datos de entrenamiento limitados y una interferencia de ruido significativa.