本文介绍了国内外精细化天气预报的现状和气象数据挖掘现状,及数据挖掘的定义、分类、过程模型、数据挖掘的技术、数据挖掘步骤等基础知识,并简要介绍了时间序列数据的特点、分析技术和应用。在对BP神经网络预测方法详细分析的基础上,本文研究了基于时间序列数据挖掘方法实现精细化气温预报方法。该方法在挖掘过程中结合时序分析技术,建立起适合于数据挖掘中BP神经网络的输入样本模型,通过反复学习从气温时序中发现其背后的规律,并将其用于未来二十四小时的精细化气温预报。同时,对BP神经网络算法和步骤做了简要介绍,针对原有的BP算法存在的收敛速度慢、存在局部极小值等的不足,对其做了增加动量因子、学习步长自适应调节的一些改进。最后,通过对预测挖掘系统的设计和在Matlab6.5仿真平台上的试验,建立了气温预报模型。以兰州市区域气象观测网数据为主要的时间序列研究对象,对乡镇精细化气温预报进行了仿真实现。对基于时序的数据挖掘理论的应用和开发精细化气温预报方法做了有益的探索。