本发明提出了一种基于时序数列分析耦合神经网络预测的不良数据辨识方法，主要步骤包括：获取原始数据，原始数据进行无量纲化处理，对原始样本参数序列进行平稳性测试，若不平稳则对序列进行差分处理并再次测试直至差分序列平稳，建立序列的差分自回归移动平均模型，计算模型残差，将残差值大于预设值归类至不良样本集。建立BP神经网络模型，通过神经网络模型对不良样本集进行循环测试，最终获得不良数据集。本发明通过耦合时序数列分析和神经网络模型，利用时序数列分析初步获得不良数据，然后利用神经网络模型进行检验验证，非常适合处理具有参数多、波动大等特点的脱硝系统数据，辨识精度和准确性高，可广泛用于烟气脱硝领域不良数据的辨识。