شبکه های حسگر بی سیم از تعداد زیادی گره حسگر تشکیل شده اند که این حسگرها دارای منبع انرژی محدودی می باشند. از آنجاییکه طول عمر شبکه حسگر به میزان مصرف انرژی گره های حسگر بستگی دارد ، مهمترین مساله در چنین شبکه هایی کاهش مصرف انرژی می باشد. یکی از راه های کاهش مصرف انرژی گره های حسگر ، کاهش ارتباطات بی سیم بین گره ها که یکی از مهمترین منابع مصرف انرژی است از طریق پیش بینی دوگانه (dual prediction) می باشد. در این روش گره سینک به جای ارتباط مستقیم با گره های حسگر از یک مدل سری زمانی برای پیش بینی مقادیر اندازه گیری شده توسط حسگرها بهره می برد. مدل های خطی و غیر خطی مختلفی برای پیش بینی سری های زمانی وجود دارد. در این تحقیق ما یک مدل پیش بینی ترکیبی را معرفی می کنیم که از ترکیب مدل خطی arima و شبکه عصبی که یک مدل غیر خطی می باشد ایجاد شده است. سپس روش پیشنهادی را توسط شبیه سازی ارزیابی کرده و کارایی این روش را با مدل خطی arima و مدل شبکه عصبی و سایر مدل های ترکیبی موجود مقایسه می کنیم. نتایج بدست آمده نشان می دهند که روش پیشنهادی در مقایسه با روش های ترکیبی موجود و همچنین در مقایسه با مدل های arima و شبکه های عصبی بصورت جداگانه ، روش موثری برای کاهش میزان ارتباطات و در نتیجه افزایش طول عمر شبکه است.