随着人们对水资源保护的日益重视,水文数据的测量就显得非常的重要。为了获得准确的水文信息,我们需要使用流速仪等设备来进行测量。同时,我们还要不定期对流速仪的各项性能指标进行检定,确保它的正常使用。我们通过流速仪检定车来对流速仪的各项性能指标进行检定。在检定过程中,检定车要以各种不同的车速运行带动流速仪在水中转动。为了高效的完成检定工作,就要求我们能及时准确的获得检定车的实时速度,为流速仪检定车调速系统提供数据参考。因此,提高检定车车速采集的准确性和实时性,是流速仪检定车系统研究中的关键。本文从新疆水文水资源局的流速仪检定系统的数据采集系统出发,对人工神经元网络的信息融合在数据采集上的应用进行了一些研究。重点研究了证据理论的方法,同时又根据它存在的不足,分析了此方法在本系统中应用的可能性。通过对现有的流速仪检定车系统进行研究和分析,针对现场检测的数据进行分析,利用神经网络具有的自组织、自学习、并行分布处理、高度容错性和鲁棒性的特点,对本系统的多个传感器采集的信息进行融合,并运用MATLAB进行融合过程的仿真来验证,融合后的结果与实际值进行的比较,证明了在本系统运用神经网络进行融合的有效性,为系统的改进提供参考依据。