NBA篮球赛作为全球最具影响力的体育赛事之一,备受广大篮球爱好者的喜爱,也受到来自全世界的密切关注,同时篮球博彩市场也得到迅猛发展,使得篮球比赛胜负预测成为一项具有挑战性的新任务。近年来大数据技术的飞速发展,使数据的获取和整理较以往更加容易、快捷,通过大数据技术获取得到充足数据,再通过数据挖掘算法预测比赛结果已然成为现在体育赛事重要的研究方向之一。本文梳理了国内外相关文献中NBA篮球赛比赛结果的研究现状、BP神经网络算法在各领域中的应用现状,发现目前不仅大数据技术在体育行业的相关应用较少,而且对于已有NBA比赛预测论文中普遍存在样本量较少,准确率不高等问题。因此,本文以NBA篮球比赛作为研究对象,由于影响NBA比赛结果的指标之间存在着一种非线性的复杂关系,而传统的预测方法已经难以处理解决这种复杂的非线性关系导致的预测精度下降。本文选取具有可靠的统计学理论且对于非线性关系有更好的处理能力的BP神经网络模型,该模型非常适合NBA的预测,因此基于BP神经网络对NBA比赛胜负进行预测,具体研究的内容包含以下几个方面:（1）通过Python爬虫技术下载NBA数据网站中2008-2009赛季至2018-2019赛季中的常规赛和季后赛数据,并对数据和指标通过剔除部分特征、特征构造、缺失值处理以及规范化方法进行预处理,本文以2018-2019年赛季比赛为例,将数据集划分为训练数据集和测试数据集,训练出适用于NBA比赛胜负预测的三层结构的BP神经网络模型,再根据算法评价指标分析赛季中的准确率、精确率、召回率、F1值。（2）选取NBA比赛数据在机器学习算法中运用统计学评价指标进行对比分析,算法包括logistic算法、朴素贝叶斯算法、K近邻算法、SVM算法和BP算法,对比结果发现:BP神经网络算法在每个赛季的准确率都达到80%以上,比其他算法预测出来的准确率更优,精确度也更好,体现了BP神经网络算法的在NBA比赛中具有很好的实用性。（3）本文将已训练好的BP神经网络模型运用在NBA比赛的动态预测中,选取2019年5月12日76人vs猛龙比赛正在进行的NBA比赛中的动态数据,根据比赛进行过程中的随着数据发生变化对每个时间点的比赛结果进行预测,实现算法的动态预测能力,更具备在篮球博彩市场当中的实际应用价值。