近年来，以深度神经网络为代表的人工智能技术被应用于功率放大器的行为模型构建中，高精度的非线性拟合度可以满足功率放大器行为模型表征的要求，但仅适用于单一工作状态。随着对行波管放大器输入输出特性的深入研究，输出信号受到输入端激励信号的频率和温度变化等多因素的影响，如何基于深度神经网络构建面向行波管放大器的多状态行为模型亟需研究。该文提出一种面向行波管放大器的多状态神经网络建模方法，引入嵌入编码向量表征行波管放大器的多种工作状态，通过增加跳跃连接构造多状态行为模型以避免梯度消失的问题。实验结果表明，与传统方法相比，该方法能够构建表征行波管放大器的多种工作状态，且不会随着模型规模的增加而损失模型精度。