El estudio examina la aplicabilidad de seis técnicas de regresión metaheurísticas: árbol de modelo M5 (M5RT), spline de regresión adaptativa multivariante (MARS), regresión de componentes principales (PCR), bosque aleatorio (RF), regresión de mínimos cuadrados parciales (PLSR) y regresión de proceso gaussiano (GPR), para predecir alturas significativas de olas a corto plazo desde una hora hasta un día en el futuro. Los datos por hora de dos estaciones, Boyas de Townsville y Brisbane, Queensland, Australia, y los valores históricos se utilizaron como entradas del modelo para las predicciones. Los métodos fueron evaluados en función del error cuadrático medio, error absoluto medio, coeficiente de determinación y nuevos métodos de inspección gráfica (por ejemplo, gráficos de Taylor y violín). Según el error cuadrático medio (RMSE), el error absoluto medio (MAE) y las estadísticas del coeficiente de determinación (R), se observó que GPR proporcionó la mejor precisión en la predicción de alturas significativas de olas a corto plazo de un solo paso de tiempo y de múltiples pasos de tiempo. Según el RMSE medio, GPR mejoró la precisión de M5RT, MARS, PCR, RF y PLSR en un 16.63, 8.03, 10.34, 3.25 y 7.78% (primera estación) y en un 14.04, 8.35, 13.34, 3.87 y 8.30% (segunda estación) para la etapa de prueba.