针对具有非线性和噪声干扰的工业生产数据，提出了一种基于叠加监督去噪自动编码器（Aristole AE）的过程运行状态评估方法。首先，提出了一种监督降噪自编码模型，并在模型训练中引入状态级标签，使监督学习具有与过程运行状态密切相关的特性，并具有较强的状态识别能力。其次，利用SSD·AE（Aristole AE）的多监督DAE模型进行叠加，提取过程数据中与运行状态密切相关的深层特征，并作为SoftMax分类器的输入，建立过程运行状态评估模型。最后，将该方法应用于湿法冶金过程的运行状态评价。仿真结果表明，该方法的评估精度高达95%，明显优于其他比较方法，验证了该方法在强噪声干扰条件下的良好性能和可行性。