本发明公开了一种基于多时间尺度回声状态网络的多变量时间序列分类方法，步骤如下：对于一个多变量时间序列，采用M个具有不同时间跳跃连接长度的跳跃储备池作为编码器，产生一种多时间尺度回声状态表示；采用M个卷积与池化层和一个全连接层作为解码器，卷积与池化层用于学习多时间尺度回声状态表示中的高维复杂特征，全连接层用于融合学到的不同时间尺度的特征以获取输入时间序列的一个多时间尺度特征；采用一个Softmax层作为分类器，根据输入时间序列的多时间尺度特征产生其分类结果。采用负对数似然函数作为损失函数，使用后向传播算法和梯度优化方法训练本模型。本发明的分类方法在多变量时间序列分类问题上达到了较高的准确率。