水是生命之源,万物均离不开水,但人们在高速发展的同时却以牺牲环境为代价。水环境监测在宏观上有利于国家政策对整体产业结构的调整,微观上有利于环境的改善及居民生活质量的提高。无线传感器网络(WSN)结合通信技术、计算机技术和物联网等于一体,以其低成本、分布广、灵活组建网络等特征使其更加适合并引领水环境监测系统研究新的革新方向。但目前的监测结果往往比较片面,不及时且与真实情况有较大偏差,这对后续水环境污染预防,确定污染位置以及采取有效的应对措施造成很大程度的影响,同时大量原始数据传输到监测处理中心势必会造成传输量增大,进而导致网络阻塞增大能量消耗。因此,采用数据融合技术对数据进行处理是十分重要和迫切的。本文基于WSN(Wireless Sensor Network)的水环境监测为研究背景,针对以上问题提出了面向水质监测系统的实施方案,并结合辽河流域水质监测参数的特点选取PH值、温度、溶解氧、氨氮和总磷五种参数作为水环境监测系统的测量参数,并对这些数据加以融合处理。本文提出了两级数据融合机制,其中数据层级采用基于自适应加权的数据融合算法以减少数据量的传输从而减少网络能量消耗延长网络生命周期。针对自适应加权算法融合精度不足,抗干扰性差等问题对其进行改进提出了一种阶梯式自适应加权数据融合算法。通过采用增设虚拟传感器的方式来增加融合次数提高抗干扰性,从而解决了传统自适应加权数据融合算法容易受外界因素干扰致使融合结果精度不足等问题。决策层级采用基于BP神经网络的数据融合算法,并对其进行优化通过引入动态因子来减少迭代次数,在进行网络搭建参数设置时对权值初始化进行优化,之后选择样本训练网络并通过对水环境进行分类判断确定水质情况来检验该网络。通过MATLAB仿真结果表明,两级数据融合机制能够节省传感器能量提高数据精度,并对水质状况进行有效判别提高可信度,这为后续进一步策略的采取提供了基础。