本发明涉及一种基于改进聚类小波神经网络的计量采集系统数据监测方案，该方案针对针对计量采集系统全链路数据监测场景，通过改进聚类算法对全链路数据进行分类，并采用熵函数改进小波神经网络针对分类后的数据进行监测，在解决全链路数据迸发问题的同时合理判断是否有异常数据产生，适应实际计量采集系统的复杂环境。此外，在网络训练阶段，神经网络采用熵函数改进设计代价函数，该策略使得神经网络反向更新更为有效，由此大大缩短神经网络训练时间。与现有技术相比，本发明利用改进聚类技术处理全链路数据，基于全链路数据自身特点自动进行分类，并将数据装入存储节点，解决了传统聚类易受初始聚类中心选取影响等问题，并利用基于熵函数改进的反向更新机制逐步缩小数据监测结果误差，确保全链路状态数据异常检测的真实性和有效性。