Las inundaciones repentinas son un riesgo importante relacionado con el clima, ya que causan más de 5000 muertes anualmente, según la Organización Meteorológica Mundial. La Estimación Cuantitativa de Precipitación es un método utilizado para aproximar la lluvia en lugares donde no hay observaciones directas en el campo. Representa una de las informaciones más valiosas empleadas por meteorólogos e hidrólogos para emitir alertas tempranas sobre inundaciones repentinas. El estudio actual está en línea con los esfuerzos para mejorar las estimaciones de lluvia basadas en radar mediante el uso de técnicas de aprendizaje automático aplicadas a datos de radar. Con este objetivo, como prueba de concepto, se evalúan seis modelos de aprendizaje automático para hacer estimaciones de la lluvia acumulada por hora basada en radar utilizando datos de reflectividad recogidos en los ángulos de elevación más bajos del radar, y empleamos un nuevo modelo de datos para representar estos datos de radar. Los datos fueron recolectados por un radar meteorológico WSR-98D de la Administración Meteorológica de Rumanía, ubicado en la región central de Rumanía, durante 30 días no consecutivos de las temporadas convectivas, entre 2016 y 2021. Obtuvimos resultados alentadores utilizando un modelo de aprendizaje automático apilado. En términos de la métrica de evaluación del Error Cuadrático Medio, los resultados del regresor apilado propuesto son mejores que la lluvia acumulada estimada por radar en aproximadamente un 33% y también superan la línea base calculada utilizando la relación Z-R en aproximadamente un 13%.