热误差补偿是提高机床加工精度的一种既有效又经济的手段。本文以QLM2365大型龙门数控机床为研究对象，针对大型机床温度场与热误差的特点，对现有温度测点优化与热误差建模方法作了改进研究。主要研究内容如下：（1）初步分析大型龙门数控机床QLM2365的结构特点和热源，研究了温度传感器在机床上的布置，进行了温度与热误差采集试验。（2）利用模糊聚类与偏相关分析相结合的方法选择机床关键温度测点。针对大型龙门机床温度场与热误差的特点，利用灰色系统理论对模糊聚类进行改进，将灰关联度代替相关系数对温度测点分组优化。并将二种方法得到的优化结果分别应用于径向基网络建模，通过分析对比，基于灰关联度的模糊聚类分组优化方法更适合于大型机床。（3）针对典型聚类算法训练径向基神经网络存在的缺陷，采用遗传算法对径向基神经网络进行优化，得到遗传算法-径向基网络模型。将优化前后的径向基网络模型应用于该龙门机床热误差建模。对比建模和预测结果表明：遗传算法优化的径向基网络模型能够更好地预测大型龙门机床热误差。（4）开发基于MATLAB的机床热误差测点优化与建模仿真系统。该系统集成了不同的测点优化和建模方法，快速地分析数控机床热误差与温度的检测数据，优选较好的热误差建模方法。