El petróleo crudo es un recurso económico global y nacional ampliamente reconocido e indispensable. Es significativamente susceptible a las fluctuaciones infinitas atribuidas a diversas variables. A pesar de su capacidad para sostener el marco económico global, las incertidumbres incrustadas relacionadas con los mercados de petróleo crudo presentan desafíos formidables que los inversores deben navegar diligentemente. En esta investigación, proponemos un modelo híbrido de aprendizaje automático basado en bosque aleatorio (RF), unidad recurrente con compuertas (GRU), red neuronal convencional (CNN), aumento extremo de gradiente (XGBoost), cuadrados mínimos parciales funcionales (FPLS) y apilamiento. Este modelo híbrido facilita el proceso de toma de decisiones relacionado con la importación y exportación de petróleo crudo en India. La precisión y fiabilidad de los diferentes modelos de aprendizaje automático utilizados en este estudio fueron validadas a través de una evaluación rigurosa utilizando diversas métricas de error, asegurando una evaluación exhaustiva de sus capacidades de pronóstico. Los resultados concluyentes revelaron que el modelo de conjunto híbrido propuesto entregó consistentemente predicciones efectivas y robustas en comparación con los modelos individuales.