随着科技的发展,作为新兴科技的无线传感器网络(WSN),在物质追踪,智能农业,健康监测,供应链管理及环境感知等领域中具有广泛的应用。无线传感器网络由大量节点自动组网构成网络,其综合了传感器技术、无线通讯技术、嵌入式技术等,是多学科高度交叉的前沿性研究及应用领域。数据融合技术是延长无线传感器网络生命周期的关键技术。数据融合利用传感器节点处理数据,在汇聚节点收集数据时进行数据融合,从而减少数据量,降低能源的限制和通信阻塞、延时等问题。本文首先介绍了WSN的技术构成,对不同类型的WSN数据融合算法进行了概述。然后,对基于预测模型的数据融合算法进行了详细分析,并阐述了基于预测模型的数据融合过程。其中,基于预测原理的数据融合算法能否成功最关键的要求是采用合理的时序预测算法。其次,深入研究了基因表达式编程(GEP)方法在WSN上的预测应用,对GEP算法进行了详细介绍。再次,深入研究了混沌预测算法在WSN上的应用,介绍了混沌辨识方法,详细讨论了混沌预测算法及数据融合算法流程。最后,研究了基于非线性自回归(NARX)神经网络的时序预测算法,介绍了NARX网络数据融合步骤。通过数据仿真实验可知,GEP算法不依赖先验知识,不仅能够正确预测数据趋势,还可以保证预测精度,其预测精度高于ARMA算法。混沌局域预测法能够对确定性的非线性数据进行数据预测,减少了数据通信。从而降低了能量消耗,提升了整个无线网络的生存周期。NARX神经网络可以对所有特性的数据进行预测,其计算简单,无需进行相空间重构,节省了存储空间,具有广泛的应用范围。