本发明公开了一种基于WGANs数据增强的非线性工业过程建模方法，属于工业生产过程构建性能预测模型技术领域。本发明核心是利用生成对抗网络对非线性工业过程建模小样本数据进行数据增强，将生成样本与原有样本混合构建工业过程模型，降低建模成本。具体是先利用拉丁超立方(LHD)方法采集非线性工业过程建模的小样本数据集；然后利用该部分小样本数据训练Wasserstein生成对抗网络(WGANs)；待WGANs训练达到要求后，利用其生成器产生虚拟样本，选取合适的样本与初始小样本数据混合，完成数据增强；最后基于混合数据和支持向量回归方法为目标工业过程建立合适的数据驱动模型。本发明有效解决了非线性工业过程建模数据不充足问题，充分利用了工业过程的小样本数据，通过数据增强加快了建模速度，提高了建模精度和效率，降低了建模成本。