En ingeniería de minas, los peligros de estallidos de roca con frecuencia resultan en lesiones, fatalidades y la destrucción de estructuras contiguas. Debido a la naturaleza compleja de los estallidos de roca, predecir la severidad del daño por estallidos de roca (intensidad) sin la ayuda de modelos computacionales es desafiante. Aunque existen varios modelos predictivos, identificar efectivamente la severidad del riesgo en datos desequilibrados sigue siendo crucial. El método de refuerzo de conjunto suele ser más adecuado para tratar con clases distribuidas de manera desigual que los modelos clásicos. Por lo tanto, este documento emplea el método de refuerzo de gradiente categórico de conjunto (CGB) para predecir la severidad del riesgo de estallidos de roca a corto plazo. Después de la recolección de datos, se empleó el análisis de componentes principales (PCA) para evitar las redundancias causadas por la multicolinealidad. Posteriormente, el CGB fue entrenado con datos de PCA, se recuperaron hiperparámetros óptimos utilizando la técnica de búsqueda en cuadrícula para predecir las muestras de prueba, y el rendimiento se evaluó utilizando métricas de precisión, recuperación y puntuación F1. Los resultados mostraron que el modelo PCA-CGB logró mejores resultados en la predicción que el modelo CGB único o los métodos de refuerzo convencionales. El modelo logró una puntuación F1 de 0.8952, lo que indica que el modelo propuesto es robusto en la predicción de la severidad del daño dado un conjunto de datos desequilibrado. Este trabajo proporciona orientación práctica en la gestión de riesgos.