本发明涉及电磁散射技术领域，旨在提供一种基于物理和深度学习的有限长圆柱体散射特性的计算方法。包括：确定有限长圆柱体的散射幅度函数的参数对象，生成多输入参数下的SAF实部和虚部数据；将数据批量输入深度神经网络模型中进行训练后，再给定输入参数的取值和入射波、散射波方向，输入模型得到散射幅度函数输出，即为散射特性的预测值可用于结果分析。本发明能实现散射体SAF的高精度学习，同时结果在互易性定理等物理性质上同样满足；相比VPM‑Tmat方法具有更高的计算效率，相比之间的端到端深度学习方案具有更好的物理解释性；更加考虑介电常数和柱体尺寸等柱体自身信息，对参数反演问题和极化体散射领域实现了很好的应用效果。