传感器网络产生大量的分布式数据流，现有的传感器网络数据处理系统只能向用户提供简单的查询操作，而传感器网络数据流中蕴含着有用的信息和大量的知识，利用数据挖掘技术获取这些流数据中的信息和知识，就可以提高系统的性能、获取更多有价值的潜在信息。在一些应用中，观察者感兴趣的是由传感器网络监测到的与时间和空间相关的事件，而不是传感器本身或者大量无关的观察数据。由于传感器网络是分布式的，每个传感器节点具有的计算资源、存储资源以及能量也很有限，所以如何在资源有限的约束条件下有效地存储和管理与时空相关的事件，从中获取事件间有用的知识成为新的挑战。　　 本文着重研究传感器网络中的节点关联规则挖掘问题。通过定义传感器网络中关联规则挖掘的符号和公式，提出了一个传感器网络中节点关联规则挖掘模型。Sink接收到网络中节点的信息后，分别经过计算机端的数据接收、数据处理、数据选择、频繁模式挖掘、节点关联规则挖掘和关联规则解释分析等阶段，最终报告给终端用户。该模型同时给出一种分布式的事件模式提取机制，在节点存储一段时间的信息，过滤掉不满足最小支持度的节点，并优化发送的数据包，来减小节点负载。　　 本文针对无线传感器网络的具体应用环境，根据上述模型设计了传感器网络节点关联挖掘算法(Wireless Sensor Network-Node Association Rule Mining Algorithm，WSN-NARMA)。WSN-NARMA通过改进基于FP-tree的频繁模式挖掘算法，建立一种基于频率升序的传感器频繁模式树结构（Sensor Frequent Pattern tree,SFP-tree），利用基于支持度计数升序排列的方式压缩存储传感器事件数据库，采用自顶向下的策略遍历传感器频繁模式树，并通过在其中寻找频繁扩展项集与合并子树来挖掘频繁节点集，然后产生相应的强关联规则。　　 最后结合项目实施需要，设计了基于无线传感器网络的作物水分状况监测系统管理软件，实现了对传感器节点的信息管理，以及对引起作物水分亏缺的环境因素（包括土壤湿度、水层高）的监测与分析。同时，把前面设计的模型和算法应用到项目中来，对农田传感器节点的关联性进行分析。