本发明提供了一种基于大数据学习的水轮机空化声信号辨识方法。本发明基于大数据学习得到的多种神经网络模型，通过提取水轮机组的声信号时间序列数据，利用SOM神经网络进行基于水轮机组多出力条件下多种运行工况的时间序列聚类，筛选水轮机组健康状态下稳定工况的特征量；再引入随机森林算法进行水轮机组稳定工况运行下多测点的特征筛选，提取对预测模型具有较高灵敏度的最优特征测点和最优特征子集，最后使用门控循环单元建立健康状态预测模型，通过自适应评估多个测点的动态容差之和判断设备是否存在初生空化现象并进行预警提醒。本发明能有效识别水轮机组初生空化的发生并及时进行预警与维护，减少设备不必要的停运，延长使用寿命。