静力水准系统（Hydrostatic Leveling System，HLS）被广泛应用于基坑、桥隧和建筑物结构等工程的沉降监测。针对环境温度变化引起HLS测量误差的问题，对温度、温度变化速率和温度梯度三种温度误差影响因素进行详细分析，并提出了一种基于粒子群优化（PSO）算法和反向传播神经网络（BPNN）的温度补偿模型。通过BP神经网络对钵体液位值建立修正模型，利用PSO算法优化神经网络参数来提高拟合准确度与模型泛化能力。试验结果表明，利用多个影响因素建立的PSO-BP模型对HLS温度补偿后，使钵体液位值的均方误差和最大误差相比于补偿前平均降低80%以上，从而有效减少计算沉降的误差，极大提高HLS测量精度。