露点间接蒸发冷却技术利用一次空气干球温度和露点温度的差值为驱动势,能有效提高蒸发冷却空调设备的温降。由于其显著的优势,成为目前国际上许多专家和学者研究的热点。关于露点间接蒸发冷却性能预测方面还鲜有研究,如何寻找一种简单、快速、高效的性能预测模型已成为研究重点之一。本文针对传统机组在设计时的实际运行、优化设计、成本投入等问题,基于神经网络理论建模的研究方法,分别建立了BP神经网络和PSO-BP神经网络两种预测模型,通过实际工程的测试得到了相关数据,最后采取理论建模与实测数据相结合的研究手段,得出了PSO-BP神经网络更适合用于解决露点间接蒸发冷却空调机组的性能预测问题的结论。本文主要完成了以下研究内容:（1）数据的采集。首先,通过对陕西榆林地区工程案例的实际测试,表明仅开启露点间接蒸发冷却空调机组时,室内干球温度稳定在26.3℃,相对湿度56.4%。其次,通过对福建、甘肃地区工程案例测试数据的整理,采集到了可供分析应用的基础数据。最后,得到了不同变量下机组的冷却性能,为课题后续进展奠定基础。（2）参数的选取。在该机组其他条件不变的情况下,仅考虑机组进风干球温度、相对湿度、总风量、迎面风速、一次风量、二次风量、二/一次风量比7个重要参数对机组蒸发效率的影响。通过比较两者的关联度得出:二/一次风量比>迎面风速>进风温度>总风量>相对湿度>二次风量>一次风量。可以看出,蒸发效率受到二/一次风量比的影响最大,受到二次风量的影响最小,但关联度为0.5657>0.5,因此也是重要的参数。（3）预测模型的研究。采用Matlab R2018b软件建立预测露点间接蒸发冷却空调机组性能的人工神经网络模型。研究结果表明,BP神经网络在不同气象条件下露点间接蒸发冷却空调机组的性能预测,决定系数r2均在0.9以上,表明所搭建的模型具有一定的稳定性,均方根误差RMSE平均为4.4157。虽然预测结果整体在可接受的范围内,但个别点还存在误差较大的问题,必须对该模型进行改进。（4）模型的优化与改进。建立了基于PSO优化后的BP神经网络预测模型,主要针对陕西某露点间接蒸发冷却空调机组的性能预测问题进行研究,通过对数据进行仿真实验,表明优化后的模型精度更好。在同一时刻,PSO-BP神经网络预测的相对误差为2.21%,BP神经网络为9.6%,准确度有效提高了7.39%。表明PSO-BP神经网络更适合用于解决露点间接蒸发冷却空调机组的性能预测的问题。