Aplicar la Red de Sensores Inalámbricos (WSN) desplegada en paracaídas en la monitorización del espacio de gran altitud es una solución prometedora por su efectividad y coste. Sin embargo, tanto la alta desviación de datos como el rápido cambio de varios factores ambientales (presión atmosférica, temperatura, velocidad del viento, etc.) plantean un gran desafío. Para abordar esto, resolvemos este desafío con la compensación de datos en las mediciones de estrés dinámico de los paracaídas durante la etapa de trabajo. Específicamente, construimos un modelo de compensación de datos para corregir la desviación basado en una red neuronal teniendo en cuenta una variedad de parámetros ambientales, y lo denominamos Compensación de Datos basada en Red Neuronal de Retropropagación (DC-BPNN). Luego, para mejorar la velocidad y precisión del entrenamiento del DC-BPNN, proponemos un novedoso algoritmo de Colonia Artificial de Abejas Adaptativo (AABC). También abordamos su estabilidad de solución derivando un límite de estabilidad. Finalmente, para verificar el rendimiento real, realizamos un conjunto de experimentos implementados de WSN lanzados en paracaídas.