本发明公开了一种基于物理先验的神经网络的卫星组件布局温度场预测方法，包括：根据卫星组件的布局特点，建立卫星组件布局的结构模型；获取多个训练数据，并对训练数据进行预处理；根据卫星组件布局温度场服从的热传导稳态方程，构建嵌入物理先验的损失函数；利用在线数据挖掘确定温度场的每个预测点的权重，根据预测点权重更新损失函数，利用区域热通量守恒构建损失函数的正则化项，确定最终损失函数；构建深度神经网络模型，利用预处理后的训练数据和最终损失函数训练深度神经网络模型；利用训练后的深度神经网络模型预测卫星组件布局的温度场。本发明能够利用不带标签的训练数据实现深度神经网络模型的稳定、快速训练，并保证模型的预测精度。