1.一种基于局部有源忆阻器的深度回声状态网络系统，包括输入层，所述输入层采集具有时间序列属性的向量数据组，并传送向量数据组给第一个储备池和训练池，所述储备out池的输出端连接所述训练池，所述训练池输出训练结果W 给输出层，其特征在于：所述输入层与n个储备池中的第一个储备池相连接，n个储备池结构一致，首尾依次连接；

所述储备池内设置有掩膜和局部有源忆阻器，其中第一个储备池内的掩膜连接所述输入层，所述局部有源忆阻器前端接掩膜，后端串负载电阻后接地；后级储备池内的的输入是前级负载电阻之间的电压值。

2.根据权利要求1所述的基于局部有源忆阻器的深度回声状态网络系统，其特征在于：第一个储备池中所述局部有源忆阻器的输出状态表达式为：其中，a0＝‑1.55，a1＝‑1，a2＝6，b0＝‑3，b1＝‑1，b2＝6，b3＝0.9，b4＝0.076，x为局部有源忆阻器的初始导值x0，v为输入电压，i为输出电流；

所有储备池中的局部有源忆阻器均为同一模型，且都是以电压信号作为输入。

3.根据权利要求2所述的基于局部有源忆阻器的深度回声状态网络系统，其特征在于：使用掩膜过程在时域中生成虚拟节点，虚拟节点状态值如下式：其中，wi为通过局部有源忆阻器得到的电流值，τ为时间步长，x为通过掩膜之后虚拟节点的状态值，N为储备池虚拟节点的总个数，Rt为电阻值，X(t)为最终储备池中得到的状态值。

4.根据权利要求1所述的基于局部有源忆阻器的深度回声状态网络系统，其特征在于：在所述训练池中的状态矩阵M表达为：

其中，s代表训练样本的个数，x1(t)‑xN(t)代表不同虚拟节点的状态值，与时刻t具有关联性；

out

采用岭回归法求解训练得到的输出连接权重矩阵W ，求解过程如下：out terget T T ‑1

W ＝Y M(MM+λI)

terget

其中，Y 为训练用的真实值，λ表示正则化系数，I是一个单位矩阵，符号“T”表示矩阵转置，符号“‑1”表示矩阵求逆。

5.根据权利要求4所述的基于局部有源忆阻器的深度回声状态网络系统，其特征在于：在所述输出层的预测结果y的表达式为：

out

y＝W M。

6.根据权利要求1所述的基于局部有源忆阻器的深度回声状态网络系统，其特征在于：在所述储备池中，改变掩膜时间参数，起到时分复用作用，实现各级储备池之间的线性连接。

7.根据权利要求1所述的基于局部有源忆阻器的深度回声状态网络系统，其特征在于：所述输入层采集的向量数据组或者是温度随时间变化的向量组；或者是电压随时间变化的向量组；或者是速度随时间变化的向量组；或者是电流随时间变化的向量组；或者是压力随时间变化的向量组；

所述输入层将或温度或电压或速度或电流或压力随时间变化的向量组进行归一化处理，转化为电压随时间变化的向量组，并传递给第一个储备池。