En los últimos años, se ha prestado una atención creciente a la reducción del consumo de energía en excavadoras hidráulicas, lo que ha dado lugar a una extensa investigación en este campo. Una solución prometedora ha sido la integración de la transmisión hidrostática (HST) y las configuraciones de bomba/motor hidráulico (HPM) en sistemas paralelos. Sin embargo, estos sistemas enfrentan desafíos como ruido, pérdidas por estrangulamiento y fugas, que pueden afectar negativamente tanto la precisión del seguimiento como la eficiencia energética. Para abordar estos problemas, este documento presenta un marco de predicción en tiempo real inteligente para el posicionamiento del sistema, que incorpora la optimización por enjambre de partículas (PSO), memoria a corto y largo plazo (LSTM), una unidad recurrente con compuertas (GRU) y control proporcional-integral-derivativo (PID). El proceso comienza analizando datos del sistema en tiempo real utilizando la correlación de Pearson para identificar hiperparámetros con correlaciones de medio a fuertes con los parámetros de posicionamiento. Estos hiperparámetros seleccionados se utilizan como entradas para modelos de pronóstico. Se desarrollan modelos independientes de LSTM y GRU para predecir la posición del sistema, con PSO optimizando cuatro hiperparámetros clave de estos modelos. En la etapa final, los modelos LSTM-GRU optimizados por PSO se emplean para realizar predicciones inteligentes en tiempo real de trayectorias de movimiento dentro del sistema. Los resultados de simulación y experimentación muestran que el modelo logra una desviación de predicción de menos de 3 mm, garantizando predicciones precisas en tiempo real y proporcionando datos confiables para los operadores del sistema. En comparación con los controladores PID y LSTM-GRU-PID tradicionales, el controlador propuesto demostró una precisión de seguimiento superior al tiempo que reducía el consumo de energía, logrando ahorros de energía de hasta un 10.89% y 2.82% en pruebas experimentales, respectivamente.