本发明公开了一种桥梁监测数据异常诊断与修复方法，该方法首先进行多点位传感器数据采集及预处理，并对数据进行归一化，消除幅值绝对值的干扰。然后对归一化数据进行11维特征向量的异常特征提取；接着构建BiLSTM神经网络模型，训练网络，当预测准确率大于等于95%时保存网络，用于后续实时数据的异常识别定位，将实时数据输入模型判别定位异常数据段完成第一阶段的数据异常判别。最后依据异常前适当长度的数据作为条件生成对抗网络模型的训练数据,依据模型训练获取的多传感器相关性模型，以异常数据时段正常传感器数据作为输入，预测异常传感器该时段的数据，作为异常数据段的填充替换，从而实现桥梁监测数据趋势异常的全流程自动化识别和修复。