本发明公开一种基于深度学习理论的不确定性结构频响动力学模型修正方法。包括不确定性参数影响下的结构频率响应不确定性分析，通过深度卷积神经网络构建不确定性逆向传递关系，利用深度学习原理实现不确定性参数的概率分布估计。本发明结合深度学习原理在复杂输入特征分析方面的优势，利用深度卷积神经网络对含有不确定性分布特征的频响数据进行特征分析和特征提取。此外，本发明利用不确定性频响数据条件分布概率和待修正参数的先验概率，求解待修正参数的条件概率分布，最终得到了不确定性参数的分布，避免了人工进行频响不确定性量化和特征提取带来的误差，提高了考虑不确定性的频响动力学模型修正的准确度。