一种基于Elman神经网络的变压器油色谱特征气体的预测方法，包括：获取变压器油色谱特征气体历史数据样本集并进行归一化处理；根据样本数据初始化超参数(隐含层、节点数、学习率)以及权值和神经元偏置；将处理好的样本数据连同超参数以及权值、神经元偏置一起传入Elman网络模型；判断经Elman网络模型输出的结果是否满足精度要求；若满足，则进行反归一化处理输出预测结果；若不满足，则利用对比散度算法更新层间权值和各层神经元偏置：将利用对比散度算法更新的权值和神经元偏置传入Elman网络模型，直到满足精度要求。