摘要∶在热误差建模中，温度测点的优化选择至关重要。提出了运用相关性方法，分析测点温度与主轴热漂移之间的关系，找到相关性较高的测点位置，实现温度布点的优化选择。在此基础上采用模拟退火遗传算法（CSA）优化P神经网络的方法建立热误差模型，并通过实验验证。结果表明∶优化的热误差模型能够跳出局部最优而达到全局最优解，得到的误差模型拟合值更加接近实测误差值;基于CSA优化的BP网络模型较传统的神经网络模型有较高的精度及更强鲁棒性。