本发明涉及水利工程技术领域，具体涉及一种大坝监测异常数据自适应识别方法，包括：对大坝监测数据进行整理形成大坝监测序列，对大坝监测序列进行分析，确定大坝监测序列是否具有强关联性；对大坝监测数据中的异常值进行检测，并将异常值剔除；基于LSTM神经网络对强关联序列的异常数据进行识别及清洗；基于随机森林回归模型对无关联序列异常数据进行识别及清洗，本发明克服了传统异常数据清洗方法主要分析单一监测效应量，并未考虑大坝监测序列间关联性的问题，本发明可以有效保留大坝状态异常数据，实现更为科学严谨的大坝监测异常数据自适应识别。