El rápido crecimiento del tráfico de datos debido a las demandas de nuevos servicios y aplicaciones plantea nuevos desafíos a la red inalámbrica. Los vehículos aéreos no tripulados (VANT) pueden ser una solución para apoyar las redes inalámbricas durante la congestión, especialmente en escenarios donde la región tiene picos de tráfico altos debido al flujo temporal y espacial de usuarios. En este documento, se propone un sistema inteligente basado en aprendizaje automático para desplegar estaciones base de VANT (VANT-EB) para apoyar temporalmente la red móvil en regiones que sufren el efecto de congestión causado por la alta densidad de usuarios. El sistema incluye dos pasos principales: el algoritmo de predicción de carga (APL) y el algoritmo de agrupamiento y posicionamiento de VANT-EB (APV). En el APL, se utiliza el historial de carga generado por la red móvil para predecir qué macroceldas están congestionadas. En el APV, se realiza una planificación para calcular el número de VANT-EB necesarios basándose en dos estrategias: ingenua y optimizada, además de calcular el posicionamiento óptimo para cada dispositivo solicitado para apoyar las macroceldas sobrecargadas. Para la predicción, utilizamos dos modelos, redes neuronales de regresión generalizada (RNRG) y bosque aleatorio, y los resultados mostraron que ambos modelos fueron capaces de hacer predicciones precisas, siendo el modelo de bosque aleatorio el mejor con una precisión superior al 85%. Los resultados mostraron que el sistema inteligente redujo significativamente la sobrecarga de las macroceldas afectadas, mejoró la calidad del servicio (QoS) y redujo la probabilidad de bloquear usuarios, así como definió la programación preventiva para las VANT-EB, lo que benefició la programación y la eficiencia energética.