El sistema de Control de Tráfico Aéreo (ATC) sufre de una demanda cada vez mayor de aeronaves, lo que lleva a problemas de capacidad. Por esta razón, el espacio aéreo se regula limitando la entrada de aeronaves en el espacio aéreo. Conocer estas regulaciones antes de que ocurran permitiría al sistema ATC estar al tanto de las áreas en conflicto del espacio aéreo y gestionar tanto sus recursos humanos como tecnológicos para reducir el efecto de las regulaciones esperadas. Por lo tanto, este documento desarrolla una metodología en la que el resultado final es un modelo de aprendizaje automático que permite predecir regulaciones de capacidad. Las predicciones se basarán principalmente en datos históricos, pero también en la situación del tráfico en el momento de la predicción. Los resultados de las pruebas del modelo en un sector del espacio aéreo español son satisfactorios. Además de probar los resultados del modelo, se hace especial hincapié en la explicabilidad del modelo. Esta explicabilidad ayudará a entender la base de las predicciones y validarlas desde un punto de vista operativo. La conclusión principal después de probar el modelo es que este modelo funciona bien. Por lo tanto, es posible predecir cuándo un sector de ATC estará regulado o no, basándose principalmente en datos históricos.