本发明属于车辆检测技术领域，公开了一种基于LSTM‑RNN的工程机械温度预测方法、装置与存储介质，该方法通过收集并分析车联网历史数据中的工程机械工况数据，包括水温、液压油温等，经数据清洗、重采样和编码处理，确保数据质量和一致性。利用Tensorflow框架，构建基于LSTM神经网络的温度预测模型，并通过添加BatchNormalization层、LSTM层、Flatten层、Dense层及可选的Dropout层，提升模型性能。模型训练过程中，采用均方误差（MSE）作为损失函数，Adam优化器进行模型编译，确保模型的高效收敛。训练与验证后，模型能对新的工程机械工况数据进行精准预测，输出预测水温或液压油温值。本发明提升了预测精度与效率，且设计灵活，易于扩展与维护，对工程机械的故障诊断、能效优化及维护计划制定具有显著的应用价值。