El emisor es uno de los componentes más críticos en la irrigación por goteo. Los parámetros de geometría de la trayectoria del flujo tienen un efecto significativo en el rendimiento hidráulico del emisor y tienen un impacto directo en la uniformidad de la irrigación y en la vida útil del emisor. Las características hidráulicas del emisor son los indicadores clave de su rendimiento. Sin embargo, obtener las características hidráulicas del emisor es complejo. Normalmente, solo se realizan un pequeño número de calibraciones para modelos de equipos específicos, lo que dificulta obtener el parámetro. Por lo tanto, se simuló un conjunto limitado de datos correspondientes a los parámetros morfológicos y a la tasa de flujo utilizando el software FLUENT, y se analizó la influencia de las características, en base a lo cual se construyó un modelo de predicción de tasa de flujo utilizando el modelo de aprendizaje en conjunto (CatBoost). El conjunto de datos ampliado se generó mediante simulación estocástica y ajuste de parámetros. Se construyó y evaluó el modelo de predicción de índice de flujo y coeficiente de flujo utilizando nuevamente el modelo CatBoost con el conjunto de datos aumentado como referencia. Los resultados muestran que la correlación significativa entre la estructura geométrica y el índice de flujo y el coeficiente de flujo proporciona la base para el modelo de correlación. CatBoost puede ajustar bien las relaciones no lineales complejas entre los parámetros, logrando una excelente precisión de simulación para la tasa de flujo (R = 0.9987), índice de flujo (R = 0.9961) y coeficiente de flujo (R = 0.9946), donde el ancho de la trayectoria tiene la puntuación de importancia más alta en la construcción del modelo para el índice de flujo (puntuación = 55.97) y el coeficiente de flujo (puntuación = 45.2). Además, los modelos CatBoost utilizados en este estudio lograron los mejores resultados de predicción en comparación con siete modelos típicos (XGBoost, Bagging, Random Forest, Tree, Adaboost y KNN).