随着我国煤矿开采深度的加深,热害成为矿井必须面临的问题。热害不仅加大了煤矿开采的成本,同时也影响了煤矿的安全生产。热害产生的原因调查是热害治理的前提,而风温的预测则是降温措施设计的关键。本文以潘三矿为研究对象,对矿区井下热力状态参数进行了测试,根据热源的计算公式对井下热源进行了统计,结果显示地热是导致井下高温的主要因素。本文结合矿区地温钻孔资料,采用理论综合分析和回归分析等方法对矿区地温分布状况进行了详细的调查,研究表明潘三矿区平均地温梯度为3.2℃/hm,属于地温正异常区；-650m水平已处于一级热害区和二级热害区之间,热害较为严重。矿区出现地温正异常特征与多种地质因素有关,如褶曲构造、地下水的运移、地层的岩性以及岩浆岩活动等地质因素都会对地温的分布产生一定的影响。本文结合潘三矿区地质资料对引起矿区地温异常的地质因素进行了主次分析,得出褶曲构造是导致地温异常的最主要因素。由于潘三矿热害较为严重,井下风流温度高,需要采取降温措施。而具体降温措施的设计,需要基于对井下风流温度进行预测评估,否则会导致成本过高或达不到降温要求。因此,预测井下风温是降温措施设计的关键。目前井下风温预测模型大都是数学理论模型,公式复杂,公式中的一些参数不易获取,导致应用推广能力较差。因此本文在基于对BP算法进行改进的基础之上,提出利用BP神经网络构建风温预测模型。预测模型在潘三矿井筒井底以及11163掘进面风温的预测中取得了良好的预测效果,风温预测的绝对误差不超过1℃。因此,该模型预测结果对于潘三矿降温措施的设计具有实际参考意义。为了提高风温预测模型的可操作性,本文基于matlab环境下,编制了BP神经网络风温预测GUI界面,并对界面进行了详细的操作,可实现对风温的智能预测。