El sistema de anti-hielo es importante para la protección contra el hielo y la seguridad en vuelo. La predicción rápida del rendimiento del sistema de anti-hielo es crítica para reducir el tiempo de diseño y aumentar la eficiencia. El artículo propone un método para predecir rápidamente el rendimiento del sistema de anti-hielo de aire caliente. El método se basa en la Descomposición Ortogonal Propia (POD) y redes neuronales de Retropropagación (BP) mejoradas con el algoritmo de Optimización por Enjambre de Partículas (PSO) para construir la red neuronal PSO-BP. Se utiliza POD para la compresión de datos y la extracción de características para la temperatura de la superficie y el agua de retorno obtenida por cálculo numérico. Se deriva una aproximación de menor dimensión a partir del subespacio de proyección, que consiste en un conjunto de modos base. La red neuronal PSO-BP establece la relación de mapeo entre los parámetros de las condiciones de vuelo (incluyendo altura de vuelo, temperatura atmosférica, velocidad de vuelo, diámetro medio de volumen y contenido de agua líquida) y los coeficientes característicos. Los resultados muestran que los errores absolutos promedio de predicción con el modelo de red neuronal PSO-BP sobre la temperatura de la superficie y el grosor del agua de retorno son 3.87 K y 0.93 m, respectivamente. El método puede proporcionar una herramienta efectiva para optimizar iterativamente el diseño del sistema de anti-hielo de aire caliente.