本发明涉及人工智能技术领域，提供一种密封件设计参数的确定方法、装置、电子设备及存储介质，包括：将形状参数向量输入至包含有残差网络块的GoogleNet网络深度降阶模型，根据其输出的反弹力最大值确定反弹力最大值增量；在确定反弹力最大值增量符合参数更新条件且满足迭代终止条件时，将形状参数向量对应的设计参数作为最优设计参数。本发明在确定密封件的形状设计变量之后，考虑密封件设计过程中数据维度较低的特性，预先基于包含有残差网络块的GoogleNet网络来构建和训练得到深度降阶模型，能够在参数寻优过程中直接通过深度降阶模型得到反弹力最大值数据，节省了模拟仿真密封件装配过程的时间，提高了密封件设计的效率。