本发明提出了一种基于数理统计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，利用箱线图法确定数据异常点，分析数据统计分布形式，计算统计分布量和置信区间，将置信区间外数据和异常点归类为异常数据集。建立BP神经网络模型，通过神经网络模型对异常数据集进行循环测试，最终获得不良数据集。本发明通过耦合数理统计分析和神经网络模型，通过数理统计分析预先筛选出异常数据，然后利用神经网络对异常数据进行预测，根据预测结果鉴别数据好坏；非常适合处理脱硝系统具有参数多、波动大等特点的数据，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。