采用两步法制备质量分数为0～3%的CuO-ZnO/乙二醇-水混合纳米流体。其中，纳米颗粒CuO和ZnO质量比为50:50不变，基液比乙二醇（EG）与去离子水（W）的质量混合比变化范围为20:80-80:20，分析其导热系数随温度（25～60℃）及基液混合比的变化规律。然后，以质量分数、温度及基液混合比为自变量，导热系数为因变量，采用径向基神经网络（Radial Basis Function Neural Network, RBFNN）模型预测导热系数值，并与BP神经网络模型（BP Neural Network, BPNN）、多元线性回归模型（Multiple Linear Regression, MLR）的预测值作对比。结果表明，CuO-ZnO/EG-W纳米流体导热系数随着温度的升高呈非线性升高，当质量分数为3%及基液混合比为20:80，其导热系数与纯基液相比增大了14.03%～23.47%；但随着基液混合比中的乙二醇含量增大，导热系数呈非线性下降。总之，混合纳米流体的导热系数受粒子随机运动和温度变化呈非线性变化。采用RBFNN模型预测导热系数，其结果与BPNN模型、多元线性回归MLR模型作对比，其模型性能评价指标均方根误差RMSE、平均相对百分比误差MRPE及误差平方SSE更接近于0，多元统计系数R²更接近于1，说明RBF模型预测导热系数的精度更高，它能够较好的表征不同参数对导热系数的影响，为纳米流体的热物性参数的预测提供了一种有效的数据驱动建模方法。