以深度学习为基础,构建了一个基于深度神经网络的回归预测模型。根据样本数据,以损失函数最小为训练目标,通过反向传播算法以及随机梯度下降方法训练模型,采用训练结果对高超声速飞行器表面热环境进行评估。采用典型飞行任务中的782个样本数据进行算例分析,预测结果与实际数据的对比结果表明,壁面热流峰值和温度峰值的平均误差分别为3.03%和1.86%,表明该模型具有快速、高精度的特点。