La reducción de las emisiones de gases de efecto invernadero, con el fin de abordar de manera efectiva el problema del cambio climático, tiene una importancia crítica a nivel mundial. Para lograr este objetivo e implementar las estrategias y políticas necesarias, la proyección de las emisiones de gases de efecto invernadero es esencial. Este documento presenta un marco de pronóstico para las emisiones de gases de efecto invernadero basado en algoritmos avanzados de aprendizaje automático: regresión lineal multivariable, bosque aleatorio, vecino más cercano, aumento extremo de gradiente, vector de soporte y algoritmos de regresión de perceptrón multicapa. Los algoritmos emplean varias variables de entrada asociadas con las salidas de emisiones de gases de efecto invernadero. Con el fin de evaluar la aplicabilidad y el rendimiento del marco desarrollado, se utilizan datos estadísticos a nivel nacional de Turquía como estudio de caso. El conjunto de datos del estudio de caso incluye seis variables de entrada y emisiones anuales sectoriales y totales de gases de efecto invernadero en CO eq. como variables de salida. Este documento proporciona un enfoque basado en escenarios para pronósticos futuros de emisiones de gases de efecto invernadero y un análisis basado en sectores de las emisiones de gases de efecto invernadero en el país en cuestión considerando múltiples variables de entrada. El presente estudio indica que los algoritmos de aprendizaje automático mencionados pueden aplicarse con éxito a la previsión de las emisiones de gases de efecto invernadero.