经济的发展使得人们的物质水平逐渐提升,故火灾发生时,必将带来非常严重的损失。另一方面,科技的快速发展,为火灾预警性能的提升创造了可能。传统的火灾预警大多是选取单一参数的火灾报警器对监测场所进行实时监测,当监测参数达到报警阈值时开始报警,这种单一参数的预警机制存在着一定的误报性与漏报性。为了更快更准确地实现火灾早期预警,研究人员采用一些智能化的方法对这些探测器探测到的结果进行数据融合,最终得到比较准确的预警结果。本文以多数据融合技术为研究对象,将多数据融合技术应用于火灾早期预警,并对其预警性能进行分析。首先对多数据融合技术的基本原理进行分析,主要分为神经网络技术原理与模糊推理技术原理,结合多数据融合原理与火灾初期特性,选取了温度、烟气浓度与CO气体浓度三个参数来进行火灾早期预警研究,采用FDS软件进行火灾数值模拟,选用了适用于火灾初期模拟的t平方模型与大涡模拟模型,分别对机舱明火与旅馆阴燃火两种火灾场景下温度、烟气浓度与CO气体浓度的变化规律进行研究,确定了将温度、烟雾浓度与CO气体浓度作为火灾预警检测对象的合理性,并对传统单一火灾探测器的预警性能进行了简要的分析。随后,基于多数据融合原理,初步实现了应用于火灾早期预警的多数据融合技术,利用FDS软件模拟得到的火灾探测结果,对初步实现的多数据融合火灾预警技术的性能进行分析,并且根据火灾预警性能分析结果,提出了改进多数据融合火灾预警技术的预警性能的一些方法。另外,通过对误差来源进行分析,提出了对多数据融合技术中的结构进行改进这一创新点,从而规避了大量误差。最后,对采用这些改进方法后的多数据融合火灾预警技术的预警性能进行研究,分析了各种改进方法的适用性及存在缺陷的原因,最终得到适合于早期火灾预警的多数据融合技术。