El motor de tracción realiza la conversión mutua de energía eléctrica y mecánica durante el proceso de tracción y frenado del tren y es un componente clave de los trenes de alta velocidad. La operación normal del motor está directamente relacionada con la seguridad de la operación del tren de alta velocidad. Los cambios en las señales de temperatura pueden reflejar fallas en el motor de tracción. Al analizar los factores internos y externos que influyen en las señales de temperatura, se establece un modelo de predicción multifactorial para motores de tracción basado en el coeficiente de información máximo y la regresión de vectores de soporte mejorada. En este modelo, se realizan selecciones de características altamente relevantes basadas en secuencias con retraso temporal y el coeficiente de información máximo. El uso del algoritmo de enjambre de partículas adaptativo para optimizar el algoritmo de regresión de vectores de soporte mejorado puede mejorar su precisión y eficiencia. Además, el uso del algoritmo de vecinos más cercanos para la predicción de errores producirá resultados más precisos. Al comparar las métricas de evaluación de diferentes algoritmos bajo diversas condiciones de trabajo, los resultados muestran que el método de predicción propuesto en este documento se desempeña bien en diferentes condiciones de trabajo. Este método demuestra una mayor adaptabilidad a condiciones variables y es más adecuado para aplicaciones que involucran trenes de alta velocidad.