本发明公开了一种基于双向门控循环神经网络的序列中单一元素分类方法,步骤包括:1)对采集到的时序信号或数据进行人工分类;2)将输入数据集和标签集分别转换为矩阵形式;3)将输入数据集和对应的标签集随机划分为训练集和测试集,其中训练集数据占总样本70%,测试集数据占总样本的30%;4)构建双向门控循环神经网络模型;5)对构建好的双向门控循环神经网络模型进行训练;6)过拟合判断;7)使用训练好的双向门控循环神经网络模型进行序列单一元素的分类,使用Argmax函数从输出层得到最终判断结果,获得对序列中单一元素的正确分类。本发明的方法,对序列数据的识别准确率达99%以上。