Los grandes datos de varios sensores instalados a bordo para monitorear el estado de los dispositivos del barco son muy críticos para mejorar la eficiencia y la seguridad de las operaciones navales y reducir el costo de operación y mantenimiento. Sin embargo, cómo utilizar estos datos es un tema clave. El cambio de temperatura de los dispositivos de propulsión del barco puede reflejar a menudo si los dispositivos están defectuosos o no. Por lo tanto, este artículo tiene como objetivo predecir la temperatura de los dispositivos de propulsión del barco mediante métodos basados en datos, donde se pueden identificar automáticamente posibles fallas. El proceso de pronóstico propuesto se compone de preprocesamiento, selección de características y predicción, incluyendo un modelo de series temporales autorregresivo con rezagos distribuidos (ARDL), un modelo de regresión escalonada (SR), un modelo de red neuronal (NN) y un modelo de red neuronal profunda (DNN). Finalmente, el proceso de pronóstico propuesto se aplica en un barco naval, y los resultados muestran que el modelo ARDL tiene una mayor precisión que los otros tres modelos.