随着水资源开发战略的不断推进，我国已进入高拱坝建设阶段。高拱坝的高强度要求使其对温控防裂要求更高。在混凝土浇筑前提前对其浇筑仓温度进行准确预测，对高拱坝温控防裂具有重要意义。但温度预测是一种复杂的非线性过程，预测模型难以建立，随着计算机技术的突飞猛进，人工神经网络理论在解决强耦合、严重非线性关系问题上展现出其巨大优越性。本文即在这种背景下，提出了新的观点和方法，并展开了相应的研究工作。提出了采用BP神经网络对高拱坝施工期温度数据仓库中混凝土温峰值进行预测。根据溪洛渡工程实例，与其典型坝段分布式光纤监测数据相合，对建立的 BP神经网络温度预测模型的应用进行了探讨。　　本研究主要内容包括：⑴阐述了数据仓库、数据挖掘技术以及 BP神经网络的基本理论，给出了数据仓库详细的构建过程，建立了溪洛渡大坝温度数据仓库。确定以BP神经网络和关联规则作为数据挖掘算法对溪洛渡大坝温度数据仓库中混凝土温度的相关温控参数进行挖掘分析，从中找出有价值的规律来指导施工过程。在分析BP训练算法的基础上，重点研究了BP网络中心的确定方法，并给出了具有高精度的自组织（非监督）学习选取BP中心的网络训练过程；结合Matlab软件中的神经网络工具箱，给出了建立BP神经网络高拱坝混凝土浇筑仓温度预测模型的基本步骤。⑵结合ANSYS软件对影响浇筑仓温峰值的影响因素进行单因素敏感分析，找出相关性较大的影响因素，将这些相关性较大的影响因素作为输入量，混凝土浇筑仓的温峰值作为输出量，建立BP神经网络预测模型。⑶结合溪洛渡工程典型坝段混凝土浇筑仓，以分布式光纤监测温度数据为样本，建立BP温度预测模型，对一期通水控温阶段混凝土浇筑仓温峰值进行预测，并对预测结果进行检验分析；同时采用关联规则的挖掘方法对混凝土初始温度和最高温度的相关关系进行分析，发现浇筑仓混凝土初温的值在11~13℃之间时，浇筑仓达到最高温度在25~27℃的概率比较大。