En la cuenca del Caribe, las partículas con un diámetro menor o igual a 10 m tienen un gran impacto en la mortalidad y morbilidad humana debido al polvo africano. Por primera vez en esta área geográfica, se aplica el marco teórico de la inteligencia artificial para predecir concentraciones. El objetivo de este estudio es predecir concentraciones utilizando seis modelos de aprendizaje automático (ML): regresión de vectores de soporte (SVR), regresión de vecinos más cercanos (kNN), regresión de bosque aleatorio (RFR), regresión de impulso de gradiente (GBR), regresión de Tweedie (TR) y regresión de cresta bayesiana (BRR). En general, con = -2.8139, los resultados mostraron que todos los modelos tienden a subestimar ligeramente los datos empíricos. GBR es el modelo que ofrece el mejor rendimiento ( = 0.7831, = 0.6132, = 6.8479, = 10.4400 y = 0.7368). Al comparar nuestros resultados con otros estudios de ML en megaciudades, encontramos un rendimiento similar utilizando solo tres variables de entrada, mientras que estudios anteriores utilizan muchas variables de entrada con modelos de Redes Neuronales Artificiales (ANN). Todos estos resultados mostraron las características de las concentraciones en el área del Caribe.