安全监管监察系统是工业物联网的一个重要应用,具有智能监管,风险预警等能力。稳定的监察系统对企业财产以及民众的生命安全有着很大的保障。但传感器老化,仪器故障,环境和人为干扰等因素,将引起无线传感器网络数据变得不可靠和不可信,导致监管监察系统出现虚警、漏警现象,大幅度影响了系统在智能监管的效率和系统的性能。因此,为了提升安全监管监测系统在实际应用中的有效性和稳定性,系统应该对输入数据进行质量评估。本文以数据可信度评估算法为研究课题,重点研究了信息融合技术,并基于该技术实现数据可信度评估,为保障数据的高质量打下技术基础。本文的主要研究内容如下:（1）提出了基于组合多源同构信息融合的数据可信度评估方法。首先,从时间域和空间域分析了无线传感器网络数据的特点。利用多源数据提出了一种基于广义Jaccard的数据相似性度量函数,这是一种从全局的角度来判断数据相似性的方法。针对相似性度量方法具有评估不准确的缺点,又提出了一种从局部角度出发的数据间匹配度度量,通过对两者加权组合为最终的数据可信度评估算法。通过在不同数据集上的测试,验证了该方法均能有效评估不同类型数据的可信度。最后,选择了基于单源数据的评估方法和其他基于多源同构的评估方法。在多实验场景下进行性能对比,结果表明本文算法的评估结果更加准确。（2）提出了基于多源异构信息融合的数据可信度评估方法。首先对不同量纲的异构数据进行数据标准化,通过Pearson系数分析数据之间的时空相关性来确定异构数据的来源。随后构建了基于长短期记忆网络的多节点多特征预测模型,将模型的输出值作为环境数据的真值估计,接着利用可信度度量模型计算出目标节点的数据可信度。其次选择了不同的网络模型进行性能对比,实验结果表明,多节点多特征预测模型的预测精度更高,性能更好。最后基于长短期记忆网络又构建了两个模型,和这两个模型相比,本文模型的预测精度分别提升了28%和85%。对基于不同预测模型的可信度评估方法的实验结果进行分析,结果表明了所提出的评估方法对于多种类型数据的评估准确度更高,验证了本文方法的准确性和有效性。