机油冷却器作为发动机的散热部件之一，其压降和换热性能是评价其性能的重要指标。然而，油冷却器的传热和流动规律复杂，很难预测其压降和换热。提出了一种基于BP（back　propagation）神经网络和特征工程的预测方法。该方法通过实验获得不同结构类型下的油冷却器数据，对样本数据进行插值和增强，以解决样本量分布不均匀的问题，并根据相关性计算Shah－Focke关联式、灰色和web相关性、A.R.Wieting关联式等相关经验公式与实验结果之间的相关性，并选取相关性最高的关联式构建新特征，最后利用BP神经网络模型进行预测。结果表明，Shah－Focke关联式与实验结果的相关性最高，经验公式的引入对模型有积极的影响。预测精度提高了50%，压降预测误差为6%，换热预测误差为4%。