本发明提供了一种面向监测数据的宽带非高斯随机极值分析和预报方法。针对样本量较小的工程监测数据，如荷载、结构响应监测数据，本发明基于复合Hermite变换模型求解得到监测数据(非高斯随机过程)的底层高斯随机过程的自相关函数，进而由同源繁衍算法得到大量的底层高斯过程，再经由复合Hermite变换得到大量的非高斯随机过程。本发明模拟得到的非高斯随机过程与原始母本数据具有相同的统计特征与近似的随机特性，因此，由本发明得到的繁衍数据可以用于极值预报。本发明有机结合了复合Hermite变换方法与信号同源繁衍方法，并应用于极值预报领域，解决了传统概率方法无法构建宽带非高斯过程的概率密度模型问题，解决了传统时域方法的大容量样本数据获取困难问题。