Esta investigación presenta el Transformador Eficiente Consciente de Escala Mejorado (ESAE-Transformer), un modelo novedoso y avanzado dedicado a predecir la Temperatura de los Gases de Escape (EGT). El ESAE-Transformer combina el mecanismo de Atención ProbSparse de Múltiples Cabezas con la arquitectura de Transformador establecida, optimizando significativamente la eficiencia computacional y discerniendo efectivamente patrones temporales clave. La incorporación del Módulo de Agregación de Características a Múltiples Escalas (MSFAM) refina aún más el marco de tiempo de entrada y salida de 2 segundos. Se llevó a cabo una investigación detallada sobre la dimensionalidad de las características, lo que llevó a una configuración optimizada del modelo, mejorando así su rendimiento general. La eficacia del ESAE-Transformer fue evaluada rigurosamente a través de un exhaustivo estudio de ablación, centrándose en la contribución de cada módulo constitutivo. Los hallazgos muestran un error de predicción absoluto medio, demostrando una fuerte alineación con escenarios ambientales del mundo real y confirmando la precisión y relevancia del modelo. El ESAE-Transformer no solo sobresale en precisión predictiva, sino que también arroja luz sobre los procesos físicos subyacentes, mejorando así su aplicación práctica en entornos del mundo real. El modelo se destaca como una herramienta robusta para la predicción de parámetros críticos en sistemas de motores aéreos, allanando el camino para futuros avances en pronósticos y diagnósticos de motores.