Los modelos probabilísticos para estimaciones a largo plazo y los modelos de aprendizaje profundo para predicciones a corto plazo han sido evaluados y analizados para los parámetros de las olas del océano. La estimación de los parámetros de diseño y operativos de las olas para períodos de retorno a largo plazo es esencial para diversas aplicaciones de ingeniería costera y oceánica. Se han considerado tres distribuciones de probabilidad, a saber, la distribución de valor extremo generalizado (EV), la distribución de Pareto generalizada (PD) y la distribución de Weibull (WD), en este trabajo. El parámetro de ola de diseño considerado es la altura máxima de ola para un período de retorno especificado, y los parámetros operativos de ola son la altura máxima media de ola y la altura máxima de ola más alta ocurrida. Para una estimación precisa basada en la ubicación, se consideran las alturas de ola de un modelo de ola anidado, que ha sido configurado para tener una resolución espacial de 10 km. Según la disponibilidad, se utilizan datos observados por boyas para fines de validación en las estaciones de Agatti, Digha, Gopalpur y Ratnagiri a lo largo de las costas indias. En las estaciones mencionadas, se aplica un modelo de aprendizaje profundo basado en memoria a largo corto plazo (LSTM) para proporcionar predicciones a corto plazo con mayor precisión. El enfoque probabilístico para la estimación a largo plazo y el modelo de aprendizaje profundo para la predicción a corto plazo se pueden utilizar en combinación para pronosticar estadísticas de olas a lo largo de las costas, reduciendo los peligros.