La vibración del suelo es uno de los resultados más peligrosos de la voladura. Tiene un impacto negativo tanto en el medio ambiente como en la población humana cercana al área de voladura. Para evaluar la magnitud de las vibraciones de la voladura, es importante considerar el PPV como un parámetro base crítico fundamental en términos de velocidad de vibración. Este estudio tiene como objetivo explorar la aplicación de diferentes técnicas de computación suave, incluyendo la regresión de procesos gaussianos (GPR), árboles de decisión (DT) y regresión de vectores de soporte (SVR), para la predicción de la vibración del suelo inducida por explosiones (PPV) en la minería de canteras. Los tres modelos fueron evaluados utilizando métricas de evaluación matemática clásica (R, RMSE, MSE, MAE). El resultado muestra que el modelo GPR logra un excelente resultado de predicción; con R = 0.94, RMSE = 0.0384, MSE = 0.0014 y MAE = 0.0265, muestra una alta precisión en la predicción del PPV. Los resultados de la explicación aditiva de Shapley (SHAP) enfatizan la importancia de comprender las interacciones entre los diversos factores y sus efectos en la evaluación de vibraciones. Los hallazgos pueden informar el desarrollo de modelos más sostenibles y amigables con el medio ambiente para predecir las vibraciones de voladura. El uso de un GPR para simular y predecir las vibraciones del suelo inducidas por explosiones es la principal contribución del estudio. El GPR puede capturar correlaciones complicadas y no lineales en los datos, lo que lo hace ideal para las vibraciones del suelo inducidas por explosiones, que son dinámicas y no lineales. Al utilizar una regresión de procesos gaussianos, podemos ayudar a las empresas y a los investigadores a mejorar la seguridad y la eficiencia en entornos de vibraciones del suelo inducidas por explosiones.