Además de ser sensibles a la humedad, los sensores de humedad con elementos sensibles a la humedad también son sensibles a la temperatura ambiente. La fusión de datos de temperatura y humedad es una forma efectiva de mejorar la precisión de los sensores de humedad. Ante el problema de la capacidad adaptativa insuficiente y la escasa universalidad en el algoritmo de compensación actual, en este artículo se propone un procesamiento por tramos del error medido a diferentes temperaturas mediante el uso de regresión lineal múltiple. Se utilizaron el método de mínimos cuadrados y la red neuronal de retropropagación (BP) mejorada por un algoritmo de recocido simulado genético (GSA-BP) para compensar los datos de humedad medidos en diferentes rangos de temperatura. Se probó la eficiencia del algoritmo GSA-BP y se estableció el modelo de función de compensación. También se comparó la precisión de la compensación con las precisión obtenidas por otros métodos. Los resultados experimentales muestran que el método de compensación por segmentación adaptativa puede mejorar significativamente el error medido del sensor de humedad en un amplio rango de temperatura.