本发明公开了一种基于深度并行时序关系网络的异常数据诊断方法，在工业生产系统的各种异常工况下采集特征数据并标准化得到训练数据矩阵，然后提取得到特征向量序列，将特征向量序列作为输入、对应的异常工况序号作为输出构成训练样本，构建DPTRN模型，包括关系模块、解耦位置向量计算模块、关系权重计算模块、历史信息向量计算模块、向量拼接模块和多层感知器，采用训练样本对DPTRN模型进行训练，当需要对工业生产系统进行异常数据诊断时，采集得到当前时刻的数据矩阵并输入训练好的DPTRN模型，得到异常数据诊断结果。采用本发明可以提高时序数据的处理速度，并保证了异常数据检测性能。