本发明公开了一种基于半监督门控神经网络原油高含水分析仪异常识别方法，采用贝叶斯变点检测方法，判断含水分析仪的具体工作模态；采集不同模态下的训练数据、测试数据以及间隔取样的校验数据，建立半监督门控循环神经网络模型，其损失函数为预测误差和校验误差的加权和，利用帕累托最优算法计算各个误差的权重。运用训练后的半监督门控循环神经网络对测试数据进行预测，再利用动态误差阈值算法对异常值进行识别，以此判断含水分析仪是否产生异常；在发现异常时报警，为含水分析仪的准确测量提供有效支持。能够有效利用历史测量信息和校核信息，实现含水分析仪全天候的在线异常识别。