目前的森林火险等级预测方法是天气专家根据温度和湿度等数据给出火险等级，其结果很大程度受到人为因素影响，其精确性和时效性不足，而且森林险等级是由气象台所测数据分析的，根据当地的监测因素来确定，但森林特有的"小气候"特点使得森林当地的火险等级跟气象台发布的不同，引起预测的错误。因此需要一个新的方法预测森林火险等级。数据融合技术是利用多传感器信息输入为基础，通过一定的合成规则，最终得出一个表示形式。其行为跟专家通过分析数据预测火险等级相像，因此本文尝试通过数据融合模拟专家分析火险等级，为火险等级的预测提供了一个新的方法。其目的是减少人力的投入以及提高预测的精确性和时效性。　　 本文在分析数据融合当中的人工神经网络和D-S证据理论两者理论以及优缺点，提出了一种基于神经网络和D-S证据理论的二级数据融合的结构方案，通过人工神经网络进行特征层融合，再利用D-S证据理论进行决策层融合。该方案通过把人工神经网络的输出作为D-S证据理论的证据来源，科学地解决了D-S证据理论的证据的构造以及解决了焦元爆炸等问题；同时D-S证据理论融合多个人工神经网络的输出，利用了预测方案当中的冗余数据进行空间和时间上的融合，提高了火险等级预测的精确性。最后通过MATLAB模拟仿真实验，验证了数据融合技术能够很好地解决森林火险等级预测的问题，二级融合方案能够利用冗余信息进行空间和时间上的融合提高预测的精确性和时效性。证明二级数据融合方案能够作为森林火险等级预测的一种新的方法。