由于中国市场经济的迅速发展和广大人民对优质产品的生活需求,水产品得到了越来越多人的青睐。我国是水产养殖大国,且水产养殖的面积仍在不断扩大,已经成为我国农业经济中的重要组成部分。对于近海养殖而言,目前仍有很多养殖户采用粗放式、经验式的方式,这不仅无法满足大量的市场需求、不利于养殖户自身经济利益,同时也对行业的发展、管控都有所阻碍。同时,近海养殖养殖品类众多、养殖环境复杂,相对淡水养殖、工厂化养殖在管理方面有更高的难度。在对近海水产养殖现状进行研究时发现不少亟待解决的问题,如仍有部分养殖户采取手动采集水质数据样本、使用化学方法分析数据参数的固有水质检测方式。这种方式不仅浪费了大量的时间,在精度上也难以保证,进而也不利于养殖户的经济效益的产生。当前物联网技术飞速发展,农业现代化的趋势也越来越明显。为了紧跟我国智能渔业的发展趋势,本文对水产养殖环境监测系统的关键技术进行研究,本文研究主要在以下几个方面:（1）本文基于Wi Fi无线通信的方式实现了系统的数据传输,使用STM 32嵌入式模块和Wi Fi无线通信模块连接完成水质和气象传感器采集的数据传输到互联网中,使用Wi Fi无线通信模块和路由器连接实现数据向云服务器的传输。同时为了提高芯片资源的利用率、降低软件开发成本,在STM 32L475硬件平台上搭建RT-Thread嵌入实时操作系统,完成Wi Fi无线通信线程。最终实现将传感器数据（溶解氧浓度、温度、PH值以及风速、风向、雨量等气象指标）从本地采集端到云服务器的数据传输,并能通过网页、移动设备等对数据信息进行查看。（2）主控模块在水产养殖水环境监测系统数据预处理技术研究。利用箱型图直观的对采集的异常数据进行单维异常检测,使用K-means聚类方法进行多维异常检测,剔除异常值并使用线性插值法对剔除数据和缺失数据进行补齐;使用小波降噪的方法对数据进行降噪处理,对溶解氧数据使用不同的降噪函数进行比较,同时验证进行数据预处理后的数据降噪效果更好。最后,利用自适用加权算法对同一区域内多组同质传感器的数据进行融合,并通过同时采集的5组溶解氧数据进行了说明,验证了使用该算法后,同质传感器进行数据融合后对维度降低的重要意义。（3）基于神经网络的溶解氧预测模型研究。为了实现提高水产养殖中的预警和调控能力,首先对影响水体中溶解氧的因素进行了研究,然后提出了一种基于Encoder-decoder结构的溶解氧预测模型。该模型以多种水温、PH值、溶解氧以及气象因子作为输入参数,将预处理后的多个参数作为预测模型的输入数据,通过优化算法对训练模型不断优化,最后预测模型与长短时时间序列预测模型进行比较,并使用多个评价指标进行对比。实验结果表明,与长短时序列预测算法相比,该模型对溶解氧时间序列具有良好的预测能力。