La red de estado de eco es una forma única de red neuronal recurrente. Debido a su mecanismo de retroalimentación, muestra un comportamiento no lineal superior en comparación con las redes neuronales tradicionales y es muy apreciada por su simplicidad y eficiencia en la computación. En los últimos años, a medida que ha progresado el desarrollo de redes, las amenazas de seguridad a las que se enfrentan las redes han aumentado. Para detectar y contrarrestar estas amenazas, el análisis del tráfico de red se ha convertido en un enfoque de investigación crucial. La red de estado de eco ha demostrado un rendimiento excepcional en la predicción de secuencias. En este artículo, profundizamos en el impacto de las redes de estado de eco en series temporales. Hemos mejorado el modelo aumentando el número de capas y adoptando un enfoque de entrada de datos diferente. Lo aplicamos para predecir sistemas caóticos que parecen regularmente pero son inherentemente irregulares. Además, lo utilizamos para la clasificación de datos de secuencias de sonido. Al evaluar el modelo utilizando el error cuadrático medio y micro-F1, hemos observado que nuestro modelo exhibe una precisión y estabilidad loables.