La predicción precisa de la trayectoria de las aeronaves es fundamental para mejorar los sistemas de control del tráfico aéreo, asegurando un entorno de transporte aéreo seguro y eficiente. Esta investigación presenta un estudio detallado sobre la eficacia de la metodología de Bosques Aleatorios (RF) para predecir trayectorias de aeronaves. El estudio compara el enfoque de RF con dos modelos establecidos basados en datos, específicamente Memoria a Largo y Corto Plazo (LSTM) y Regresión Logística (LR). La investigación utiliza un conjunto de datos significativo que comprende datos históricos de trayectoria de aeronaves, obtenidos de un simulador UAS-S4. Los resultados experimentales indican que, dentro de un horizonte de predicción a corto plazo, la metodología RF supera tanto a LSTM como a LR en precisión de predicción de trayectorias y también en su robustez frente al sobreajuste. La investigación además ajusta el rendimiento de la metodología RF optimizando varios hiperparámetros, incluyendo el número de estimadores, características, profundidad, división y hoja. En consecuencia, estos resultados subrayan la viabilidad de la metodología RF como una alternativa probada a los modelos LSTM y LR para la predicción de trayectorias de aeronaves a corto plazo.