随着企业的不断发展,企业积累了大量的数据。面对海量数据,企业决策者需要了解隐藏在这些数据背后的重要知识以辅助企业的决策制定。传统的决策支持系统存在数据缺乏组织性和数据的利用率低等缺点,数据仓库和数据挖掘技术的出现为决策支持系统的开发提供了一条新的途径,数据仓库可作为决策支持的底层数据源,数据挖掘是获取知识的工具,它们都是决策支持的有效技术。使用数据仓库和数据挖掘技术来构建决策支持系统,必将大大提高企业的决策质量和水平。本文介绍了数据仓库和数据挖掘技术理论与相关技术,探讨了基于数据仓库和数据挖掘技术的决策支持系统。在分析了国内DRP系统决策支持功能不足及作者读研期间参与的为宁夏夏进乳业公司开发的DRP系统的基础上,设计了一个基于数据仓库的DRP决策支持系统,建立了面向销售主题的多维数据集,利用数据挖掘技术中的分类小波网络模型对该公司的经销商进行资信评估及用预测小波网络模型为该公司进行销售预测,为该公司在经销商的选择及生产销售上提供有力的支持和参考。本文对神经网络的BP学习算法进行了分析,针对BP学习算法存在收敛速度慢和极易陷入局部极小值等缺点,实现了两种改进算法:最速下降法和共轭梯度法相结合的混合算法及基于遗传算法优化的BP算法,并对改进算法进行了实验分析,实验结果表明改进的算法优于BP算法。将改进的算法分别用于本文中分类小波网络和预测小波网络的学习训练,取得了良好的效果。