Debido a la complejidad de la física de los problemas de explosión submarina, es difícil derivar soluciones analíticas con resultados precisos. En este estudio, se presenta por primera vez en la literatura un método de aprendizaje automático para entrenar una red neuronal de retropropagación para la predicción de parámetros. El problema específico es la respuesta de una estructura sumergida en agua sometida a cargas de choque producidas por una explosión submarina, con el punto de detonación estando lejos de la estructura para que la onda de carga pueda considerarse como una onda de choque plana. Dos placas paralelas rígidas conectadas por un resorte lineal y un amortiguador lineal que simulan la rigidez estructural y el amortiguamiento respectivamente, representan la estructura. Tomando la transformada de Laplace de las ecuaciones gobernantes, resolviendo las ecuaciones resultantes, y luego tomando la transformada inversa de Laplace, el problema simplificado es analizado teóricamente. Las ecuaciones diferenciales ordinarias acopladas que rigen el movimiento del sistema también son resueltas numéricamente por el método de Runge-Kutta de cuarto orden y luego verificadas por un método de elementos finitos utilizando Ansys/LSDYNA. El entrenamiento paramétrico con el algoritmo de red neuronal de retropropagación se llevó a cabo para delinear los efectos de la rigidez estructural y el amortiguamiento en la atenuación de las ondas de choque, el tiempo de cavitación y el tiempo de transferencia de momento máximo. Los resultados de predicción concuerdan bien con los resultados de muestra de validación y prueba.