La industria de la aviación es uno de los sectores de más rápido crecimiento y es crucial tanto para el transporte de pasajeros como para la logística. Sin embargo, los altos costos asociados con el mantenimiento, la renovación y la revisión (MRO) constituyen uno de los mayores desafíos que enfrenta esta industria. Motivado por el papel significativo que los pronósticos de vida útil restante (RUL) pueden desempeñar en la optimización de las operaciones de MRO y en la salvación de vidas, este documento propone un nuevo modelo de pronóstico de RUL basado en datos, fundamentado en los principios de redes de contrapropagación. El modelo propuesto introduce el mapa de autoorganización jerárquica en crecimiento recursivo (ReGHSOM) como una variante de SOM que puede agrupar series temporales multivariadas con altas correlaciones y dependencias jerárquicas típicamente encontradas en conjuntos de datos de RUL. Además, ReGHSOM está diseñado para permitir que este agrupamiento evolucione dinámicamente en tiempo de ejecución sin imponer restricciones o suposiciones previas sobre los espacios de hipótesis de las arquitecturas. La salida de ReGHSOM se alimenta a las capas de aprendizaje supervisado de Grossberg para realizar la predicción de RUL. El rendimiento del modelo propuesto se evalúa de manera integral midiendo su capacidad de aprendizaje, evolución y comparación con trabajos relacionados utilizando métricas estadísticas estándar. Los resultados de esta evaluación muestran que el modelo puede lograr un error cuadrático medio promedio de 5.24 y una puntuación promedio de 293 para el conjunto de datos C-MPASS, que son mejores resultados que la mayoría de los trabajos comparables.