Para abordar las limitaciones en las capacidades predictivas de los modelos de error térmico construidos a partir de datos de una sola fuente y una sola estructura, este documento propone un modelo de predicción de error térmico basado en la fusión a nivel de decisión de información heterogénea de múltiples fuentes para mejorar la precisión de la predicción. Primero, se construyó una plataforma experimental para la adquisición de información heterogénea de múltiples fuentes para recopilar datos de error térmico de diferentes fuentes de señal (múltiples fuentes) y diferentes estructuras (heterogéneas). A continuación, basándose en las características de los datos heterogéneos y de múltiples fuentes, se extrajeron características relevantes para construir el conjunto de características. Luego, utilizando el conjunto de información de características de los datos heterogéneos y de múltiples fuentes, se establecieron sub-modelos de predicción de error térmico utilizando modelos autorregresivos no lineales con entradas exógenas (NARX) y Unidades Recurrentes Gated (GRUs) para un husillo de centro de mecanizado vertical. Finalmente, se empleó el método de peso de entropía para asignar los pesos a la regla de fusión ponderada lineal, logrando la fusión a nivel de decisión de información heterogénea de múltiples fuentes para obtener el resultado final de la predicción. Este resultado se comparó luego con los resultados experimentales y los resultados de predicción de modelos de una sola fuente. Los hallazgos indican que el modelo de predicción de error térmico propuesto coincide estrechamente con los resultados reales y supera a los modelos de datos de una sola fuente y una sola estructura en términos de Error Cuadrático Medio (RMSE), Coeficiente de Determinación (R) y Error Absoluto Medio (MAE).