本文首先回顾了数据库，数据挖掘的相关背景及发展过程，对目前的气象灾害数据处理技术进行了分析。通过分析气象部门对灾害数据处理弊端，提出本文的研究工作。 通过分析国内外研究中已有的数据挖掘技术，选择了决策树技术和神经网络技术进行研究。决策树分类算法是数据挖掘研究中的一个以样本数据集为基础的归纳学习方法，它着眼于从一组无次序、无规则的样本数据集中推理出决策树表示形式的分类规则。在论述分类挖掘的基础上分析了决策树分类挖掘系统的建立思想、步骤及ID3算法和C4.5算法，并把这两种算法应用到优化气象灾害统计的实验中，实验结果证明了该方法的可行性，决策树算法可应用于气象灾害导致的直接经济损失的评估。针对病虫害农业经济损失的预测具有较强的复杂性和非线性特性，设计了一种新型的GRNN预测模型，对农业病虫害经济损失进行预测。该模型基于人工神经网络捕捉非线性变化独特的优越性，在神经网络技术和江苏省气象局提供的数据的基础上，利用MATLAB人工神经网络工具箱及GRNN广义回归神经网络建立预测模型来提高病虫害农业经济损失预测的精度。预测结果表明，该方法建立的模型可以实现对病虫害经济损失的预测，且其预测精度较高。 从江苏省气象局的实际情况出发，为其开发了一个符合气象部门实际需求的气象灾害数据库管理系统。从设计一个MIS出发，到建立数据库，再到实现气象灾害数据分析和数据挖掘。在技术角度，全面详细介绍了气象灾害数据库系统的建设；在实际应用中解决了数据量大，不易处理等多年困扰江苏省气象局的问题。当前大多数地区的气象部门存在着类似的问题，相信本文的研究，对改进他们的决策支持管理系统也有可借鉴之处。