本发明公开了一种基于残差记忆网络的凝汽器真空度预测方法，包括：采集凝汽器相关的原始数据，对每一组原始数据划分成历史数据序列、被预测节点工况数据和被预测节点凝汽器真空度数据；利用长短时记忆网络将历史数据编码存入端到端残差记忆网络的记忆池中，将被预测节点工况数据编码作为端到端残差记忆网络的输入，将被预测节点凝汽器真空度数据作为端到端残差记忆网络的目标输出，训练端到端残差记忆网络，直至MSE损失函数收敛，完成对端到端残差记忆网络的训练；实时采集凝汽器相关的原始数据，输入训练好的端到端残差记忆网络中，预测出凝汽器真空度。本发明方法能够捕获历史数据中隐含的周期性特征、时序特征，具有更高的预测精度和稳定性。