Los chorros de agua verticales presentan desafíos significativos para las estructuras hidráulicas debido a su potencial para causar erosión y daños estructurales. Este estudio tuvo como objetivo predecir el coeficiente de presión adimensional (Cp) de los chorros de agua verticales al examinar las relaciones entre parámetros experimentales, como el número de Froude, la pendiente y la relación entre la altura de la cascada sobre el producto del número de Froude y el diámetro, denominado alfa, utilizando modelos de aprendizaje automático. Se llevaron a cabo doscientos cuarenta experimentos controlados, con datos de presión recopilados. Para abordar la no linealidad del problema, se probaron seis modelos de aprendizaje automático: regresión lineal, vecinos más cercanos, árbol de decisión, regresión de vectores de soporte, bosque aleatorio y XGBoost. El modelo XGBoost superó a los demás, logrando un R-cuadrado de 0.953 y un error cuadrático medio (RMSE) de 0.191. El análisis de residuos validó su mejor rendimiento, demostrando que ofreció las predicciones más precisas con un sesgo mínimo. El análisis de importancia de características reveló que el número de Froude era el predictor más significativo, seguido por la pendiente y el diámetro. Este estudio enfatiza la importancia del número de Froude en la predicción del comportamiento de los chorros y muestra la eficacia de los modelos avanzados de aprendizaje automático para capturar dinámicas de fluidos complejas, proporcionando información valiosa para optimizar aplicaciones de ingeniería como el corte por chorro de agua y los sistemas de refrigeración.