El presente estudio tiene como objetivo desarrollar un clasificador basado en un algoritmo de bosque aleatorio para predecir la ocurrencia de eventos de incendios utilizando parámetros meteorológicos observados un día antes. Consideramos la temperatura de la superficie, la temperatura del aire cerca de la superficie, la humedad cerca del nivel de la superficie y la humedad del suelo como factores meteorológicos importantes que influyen en la ocurrencia de incendios forestales. Se derivaron veinte parámetros adicionales basados en estos cuatro parámetros que tienen en cuenta la energía intercambiada en formas sensibles y latentes y el cambio en los parámetros en tendencias recientes. Utilizamos el enfoque de información mutua para identificar parámetros meteorológicos críticos que llevan información significativa sobre la ocurrencia de incendios al día siguiente. Los nueve parámetros principales se alimentaron luego como entrada al algoritmo de bosque aleatorio para predecir incendio/no incendio al día siguiente. Se emplearon técnicas de muestreo de datos ponderados y SMOTE para abordar el desequilibrio de clases en la clase de datos de incendios. Ambas técnicas clasificaron correctamente los incidentes de incendios, dado el input meteorológico de los días anteriores. Este estudio también mostró que a medida que el desequilibrio de clases aumenta a 1:9, el rendimiento basado en la precisión, el recall, la puntuación F1 y la exactitud son máximos, mostrando la capacidad del modelo para funcionar con desequilibrio de clases. Ambas técnicas ayudaron al algoritmo de bosque aleatorio a prever instancias de incendios a medida que aumentaba el tamaño de la muestra de datos.