Los sistemas de monitoreo de emisiones predictivas (PEMS) son soluciones de software para la validación y complementación de costosos sistemas de monitoreo de emisiones continuas para turbinas de generación eléctrica de gas natural. La base de PEMS es la de modelos predictivos entrenados en datos pasados para estimar componentes de emisiones. El conjunto de datos del proceso de la turbina de gas de la Universidad de California en el repositorio de datos abiertos ha iniciado un desafío de cierto tipo para investigar la calidad de los modelos de varios métodos de aprendizaje automático para construir un modelo para predecir las emisiones de CO y NO según variables ambientales y los parámetros del proceso tecnológico. La novedad y características de este documento son: (i) una contribución al estudio de las características del conjunto de datos abierto sobre emisiones de CO y NO para turbinas de gas, lo que permitirá comparar de manera más objetiva diferentes métodos de aprendizaje automático para futuras investigaciones; (ii) por primera vez para las emisiones de CO y NO, se presenta un modelo basado en regresión simbólica y un algoritmo genético, con la ventaja de la transparencia de la influencia de los factores y la interpretabilidad del modelo; (iii) se propone un nuevo modelo de clasificación basado en el modelo de regresión simbólica y un sistema de inferencia difusa. Los coeficientes de determinación de los modelos desarrollados son: para las emisiones de NO, para las emisiones de CO.