数据挖掘(DM)技术是仓库管理系统(WMS)发展的热门课题,它可以在企业范围内对各部门之间的数据信息共享,极大地提高了数据信息的维护、发布和查询效率。但是传统模式的WMS面临许多问题,例如较低的响应速度和较差的服务性能。因此一种新的BP神经网络(BPNN)数据挖掘技术正在成为WMS领域应用研究热点。BPNN DM技术是目前预测库存水平最有效率的挖掘技术,数据挖掘就是从存放的数据库、数据仓库或其他信息库中的大量数据中挖掘有用的知识过程。在服装库存管理中,使用BPNN DM技术可以预测分析企业商品库存控制水平,减少库存量,从而大大扩展WMS的能力。本文主要做了以下研究工作:(1)改进的BP算法应用在基于数据挖掘服装仓库管理系统中,提高了数据应用服务性能,增强了WMS管理的延伸性和系统综合性能,减轻了商品库存压力,缓解了企业订货瓶颈。(2)研究仓库管理中的库存技术,提出了服装库存水平控制方法,建立基于神经网络的阶段库存控制模型。(3)对现有WMS平台进行研究,总结了其存在的不足,提出使用BPNN数据挖掘技术、SQL技术和Web技术构建系统平台。其实际应用证明了这种平台具有结构清晰、执行效率高的特点。同时,在本文中提及的应用技术,紧跟当前开发技术的发展方向,对同类课题的研究和应用具有借鉴意义。