以夏季高温和高荷载条件下绝缘跳线夹的过热的智能感知为研究对象，建立绝缘跳线夹在典型作业工况下的电-热多物理场耦合三维有限元模型，通过试验验证了模型的有效性，并获取绝缘跳线夹在不同电流负荷、光照强度、环境温度及风速等因素下温度场分布数据作为线夹过热感知模型的训练样本。为了提高麻雀搜索算法（sparrow search algorithm，SSA）在全局搜索的能力引入反向学习策略构建了改进麻雀搜素算法（improved sparrow search algorithm，ISSA），采用改进麻雀算法优化BP神经网络（improved sparrow search algorithm optimization back propagation neural network， ISSA-BPNN）建立绝缘跳线夹温度预测模型，并使用均方值、决定系数评价ISSA-BPNN与粒子群算法优化BP神经网络（particle swarm optimization back propagation neural network， PSO-BPNN）、遗传算法优化BP神经网络（genetic algorithm optimization back propagation neural network， GA-BPNN）、麻雀搜索算法优化BP神经网络（sparrow search algorithm optimization back propagation neural network， SSA-BPNN）及BP神经网络5种算法的预测精度。结果表明，ISSA-BPNN模型相较于其余4种算法的预测模型其预测平均误差可控制在0.71%以内，且收敛速度更快，可以更加精准预测绝缘跳线夹温升，为绝缘跳线夹的状态检测与评估提供了依据。
