本发明公开了一种基于多核融合的大数据滤波方法，包括如下步骤：对于各滤波器初始化，单独设置各个核自适应滤波器的参数，包括核宽度σ、正则化因子γ、初始融合系数α；对各滤波器按照单核自适应滤波算法进行参数的数据更新，计算出第i时刻的权重系数a_i；训练滤波器权重系数的同时更新融合系数，第m个滤波器的融合系数即当权重系数计算为有效情况下的核宽度的后验概率，融合系数必须符合阈值的限定；按照学习所得的融合系数进行多个独立核自适应滤波的加权融合，得到最终的多核模型；当待预测的输入数据到来时，通过已融合的多核模型进行预测。本发明在噪声复杂的非高斯环境中，表现出优异的估计性能，具有较好的收敛速度。