1.一种CMOS器件寿命预测方法，其特征在于，包括：获取CMOS器件在非完整的加速应力试验下电参数的时间序列样本数据集，所述时间序列样本数据集包括表征所述CMOS器件寿命的电参数退化量的时间序列样本数据，其中，所述时间序列样本数据集中的电参数退化量小于所述CMOS器件失效时的相应电参数退化量，所述时间序列样本数据集中的电参数退化量最大值为相应电参数的5％～7％；基于所述时间序列样本数据集得到训练集；用所述训练集训练时序模型，获得寿命预测模型；用所述寿命预测模型预测所述CMOS器件的失效时间。
2.根据权利要求1所述的CMOS器件寿命预测方法，其特征在于，还包括：基于所述时间序列样本数据集得到测试集；用所述测试集验证所述寿命预测模型，其中，所述用所述寿命预测模型预测所述CMOS器件的失效时间，包括用验证的所述寿命预测模型预测所述CMOS器件的失效时间。
3.根据权利要求1或2所述的CMOS器件寿命预测方法，其特征在于，所述时序模型是长短期记忆模型。
4.根据权利要求3所述的CMOS器件寿命预测方法，其特征在于，所述长短期记忆模型具有1～5个隐藏层节点，以及1个全连接层节点。
5.根据权利要求1所述的CMOS器件寿命预测方法，其特征在于，表征所述CMOS器件寿命的电参数包括以下的至少一项：饱和漏电流、阈值电压、跨导。
6.根据权利要求5所述的CMOS器件寿命预测方法，其特征在于，所述时间序列样本数据集中的电参数退化量最大值为相应电参数的5％或6％或7％。
7.根据权利要求1所述的CMOS器件寿命预测方法，其特征在于，还包括：通过以下任意一种或多种方式对所述时间序列样本数据集进行预处理，得到处理后的时间序列样本数据集：对非等时间间隔的时间序列样本数据集进行等时间间隔的插值处理；对所述时间序列样本数据集进行差分化处理；对所述时间序列样本数据集进行归一化处理；其中，当采用多种方式进行预处理时，将上一处理的输出作为下一处理的输入，依次进行所述多种方式的预处理，得到处理后的时间序列样本数据集。
8.根据权利要求3所述的CMOS器件寿命预测方法，其特征在于，所述用所述训练集训练时序模型，获得寿命预测模型包括：将所述训练集中前一时刻的时间序列样本数据作为输入特征，将所述训练集中当前时刻的时间序列样本数据作为输出特征，对所述长短期记忆模型进行监督学习训练。
9.根据权利要求3所述的CMOS器件寿命预测方法，其特征在于，所述用所述训练集训练时序模型，获得寿命预测模型包括：采用滑动时间窗方法将所述训练集中多个连续的时间序列样本数据作为输入特征，将所述训练集中所述滑动时间窗的后一时刻的时间序列样本数据作为输出特征，对所述长短期记忆模型进行监督学习训练。
10.根据权利要求9所述的CMOS器件寿命预测方法，其特征在于，所述连续的时间序列样本数据数量是8～11个；或所述连续的时间序列样本数据数量是9个。
11.根据权利要求3所述的CMOS器件寿命预测方法，其特征在于，所述用所述训练集训练时序模型，获得寿命预测模型还包括：用均方误差或者平均绝对百分比误差作为损失函数，用AdaGrad,RMSprop,Adam优化器中的至少一种优化模型参数，训练所述长短期记忆模型。
12.根据权利要求11所述的CMOS器件寿命预测方法，其特征在于，所述用所述训练集训练时序模型，获得寿命预测模型还包括：对所述寿命预测模型进行多次迭代。
13.根据权利要求12所述的CMOS器件寿命预测方法，其特征在于，所述迭代的次数是1,000～10,000次。
14.一种CMOS器件寿命预测装置，其特征在于，包括：获取模块，被配置为获取CMOS器件在非完整的加速应力试验下电参数的时间序列样本数据集，所述时间序列样本数据集包括表征所述CMOS器件寿命的电参数退化量的时间序列样本数据，其中，所述时间序列样本数据集中的电参数退化量小于所述CMOS器件失效时的相应电参数退化量，所述时间序列样本数据集中的电参数退化量最大值为相应电参数的5％～7％；第一分类模块，被配置为基于所述时间序列样本数据集得到训练集；训练模块，被配置为用所述训练集训练时序模型，获得寿命预测模型；预测模块，被配置为用所述寿命预测模型预测所述CMOS器件的失效时间。
15.根据权利要求14所述的CMOS器件寿命预测装置，其特征在于，还包括：第二分类模块，被配置为基于所述时间序列样本数据集得到测试集；验证模块，被配置为用所述测试集验证所述寿命预测模型，其中，所述预测模块还被配置为用验证的所述寿命预测模型预测所述CMOS器件的失效时间。
16.根据权利要求14或15所述的CMOS器件寿命预测装置，其特征在于，所述时序模型是长短期记忆模型。
17.根据权利要求16所述的CMOS器件寿命预测装置，其特征在于，所述长短期记忆模型具有1～5个隐藏层节点，以及1个全连接层节点。
18.根据权利要求14所述的CMOS器件寿命预测装置，其特征在于，表征所述CMOS器件寿命的电参数包括以下的至少一项：饱和漏电流、阈值电压、跨导。
19.根据权利要求18所述的CMOS器件寿命预测装置，其特征在于，所述时间序列样本数据集中的电参数退化量最大值为相应电参数的5％或6％或7％。
20.根据权利要求14所述的CMOS器件寿命预测装置，其特征在于，还包括：预处理模块，被配置为通过以下任意一种或多种方式对所述时间序列样本数据集进行预处理，得到处理后的时间序列样本数据集：对非等时间间隔的时间序列样本数据集进行等时间间隔的插值处理；对所述时间序列样本数据集进行差分化处理；对所述时间序列样本数据集进行归一化处理；其中，当采用多种方式进行预处理时，将上一处理的输出作为下一处理的输入，依次进行所述多种方式的预处理，得到处理后的时间序列样本数据集。
21.根据权利要求16所述的CMOS器件寿命预测装置，其特征在于，所述训练模块包括：监督学习模块，被配置为将所述训练集中前一时刻的时间序列样本数据作为输入特征，将所述训练集中当前时刻的时间序列样本数据作为输出特征，对所述长短期记忆模型进行监督学习训练。
22.根据权利要求16所述的CMOS器件寿命预测装置，其特征在于，所述训练模块包括：监督学习模块，被配置为采用滑动时间窗方法将所述训练集中多个连续的时间序列样本数据作为输入特征，将所述训练集中所述滑动时间窗的后一时刻的时间序列样本数据作为输出特征，对所述长短期记忆模型进行监督学习训练。
23.根据权利要求22所述的CMOS器件寿命预测装置，其特征在于，所述连续的时间序列样本数据数量是8～11个；或所述连续的时间序列样本数据数量是9个。
24.根据权利要求16所述的CMOS器件寿命预测装置，其特征在于，所述训练模块还包括：优化模块，被配置为用均方误差或者平均绝对百分比误差作为损失函数，用AdaGrad,RMSprop,Adam优化器中的至少一种优化模型参数，训练所述长短期记忆模型。
25.根据权利要求24所述的CMOS器件寿命预测装置，其特征在于，所述训练模块还包括：迭代模块，被配置为对所述寿命预测模型进行多次迭代。
26.根据权利要求25所述的CMOS器件寿命预测装置，其特征在于，所述迭代模块的迭代的次数是1,000～10,000次。
27.一种电子设备，包括存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现权利要求1～13任一项所述的方法步骤。
28.一种可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现权利要求1～13任一项所述的方法步骤。
