目前我国城市交通拥挤现象日趋严重,为解决交通不畅问题,城市隧道日益增多。而在我国大部份南方城市里面,由于江多湖多雨水多的特点,部分城市隧道也建在江底湖底位置。通过使用传感器,监控隧道内渗漏水的状况,防止发生涌水等特大事故,为隧道的安全运营提供了保障。同时,由于隧道现场环境复杂,传感器生存条件恶劣,较易受到干扰,传感器采集的数据失真度就会提高,又存在多传感器采集的数据量过大以及数据之间可能相互矛盾,这都可能降低系统判断的准确性,增加误报率,从而影响隧道正常的安全管理运营。本论文主要研究了基于多传感器数据融合技术在水底隧道渗漏水监控系统中的问题,具体内容有以下几方面：第一,根据当前水底隧道的特点,分析了隧道渗漏水监控系统的系统结构及监测原理；第二,根据隧道内采用多传感器采集的数据很可能出现冗余、偏差大、相互矛盾甚至错误等特点,对数据的处理分两层融合,在数据层对同质传感器采集的数据进行融合,提出了K-Means聚类算法消除偏差较大或是错误的数据后,再使用自适应加权算法对处理后的数据进行融合,从而提高了数据的有效性和精确度；然后在决策层对异质传感器采集的数据进行融合,提出了基于Dempster-Shafer (D-S)证据理论数据融合方法,着重介绍了D-S证据理论的原理、组合规则及相应的改进方法,并提出了使用证据波动性和证据重要性对证据进行修正,降低证据之间的冲突,保障数据融合结果的可靠性、准确性,降低系统的误报率；第三,根据武汉市水果湖湖底公路隧道监控系统运营情况,详细研究了隧道排水系统的系统设计、主要功能和软件系统的组成及实现,并分析了隧道渗漏水监控系统与隧道排水系统的联动功能,提供了理论方案和可行性支持。基于数据融合的隧道渗漏水监控系统大大提高了对水底隧道对于渗漏水的监测精准度,这不仅更能保障隧道内的行车安全,同时也能延长隧道特别是水底隧道的使用寿命,具有较高的实际应用价值,其智能化的设计和研究都具有重要意义。