Proponemos un método de predicción de carga confiable para un robot cortador de carretera en voladizo sin imputación. Específicamente, diseñamos un algoritmo de aumento de carga confiable (LTB) para cargas de corte de carbón y roca que tiene en cuenta los datos faltantes en entornos subterráneos complejos. Introducimos un árbol de decisión confiable que integra programación entera mixta (MIP) y Atributos Incorporados en Faltantes (MIA) como el predictor base, que puede manejar datos faltantes, acelerando así la predicción de carga y mejorando la precisión de la predicción. Además, utilizamos técnicas de aumento para mejorar el rendimiento de predicción del predictor base al incorporar restricciones de seguridad de corte durante el proceso de predicción. Derivamos teóricamente la convergencia del algoritmo y verificamos la precisión y confiabilidad del algoritmo a través de experimentos. Los resultados experimentales muestran que el algoritmo propuesto es superior a los algoritmos de predicción de carga de última generación, tanto sin considerar datos faltantes como con ellos. Este método puede proporcionar una base de toma de decisiones confiable para la excavación inteligente no tripulada en el subsuelo.