Abordando la limitación de los modelos tradicionales de aprendizaje profundo en la captura de las características espacio-temporales de los datos de vuelo y la precisión de predicción limitada debido a la longitud de la secuencia en la predicción de vida del motor aeroespacial, este estudio propone un enfoque de predicción de vida restante del motor aeroespacial que integra un análisis de características lentas de núcleo, un modelo de mezcla gaussiana y un modelo Autoformer mejorado.