En los últimos años, los algoritmos de aprendizaje automático se han aplicado en muchas aplicaciones en tiempo real. Las crisis en el sector energético son los principales desafíos experimentados hoy en día en todos los países del mundo, independientemente de su situación económica. Existe una gran demanda de adquirir y producir energía renovable respetuosa con el medio ambiente y distribuirla y utilizarla de manera eficiente debido a su gran costo de producción. Los PEMFC son conocidos por su eficiencia energética y costos comparativamente bajos, y pueden ser una fuente de energía alternativa. La eficiencia de estos PEMFC aún puede mejorarse con la ayuda de tecnologías avanzadas como el aprendizaje automático y la inteligencia artificial, ya que proporcionan una solución óptima para explorar el conocimiento oculto de los datos generados. El modelo propuesto intenta comparar varias técnicas de diseño con diferentes niveles de humedad. Para mejorar el rendimiento de los PEMFC, se consideraron diversos procesos de humidificación durante el estudio experimental. La humidificación reduce el calor durante la generación de energía y aumenta el rendimiento de la celda de combustible PEM. Se consideraron niveles de humedad como 100%, 50% y 10% para ser probados con los modelos de aprendizaje automático. Los algoritmos SVMR, LR y KNN fueron probados y observados con el valor de RMSE como parámetros de evaluación. Los resultados observados muestran que SVMR tiene una tasa de RMSE de 0.0046, el método LR tiene una tasa de RMSE de 0.0034 y KNN tiene una tasa de RMSE de 0.004. El análisis muestra que el modelo LR proporciona una mejor precisión que otros modelos. El modelo LR mejora el rendimiento de PEMFC.