Este estudio investiga la previsibilidad de las tormentas de viento en pendiente ubicadas en el condado de Santa Bárbara, California, localmente conocidas como vientos Sundowner, a partir de relaciones observadas y un modelo de predicción numérica del tiempo operativo de alta resolución. Nos enfocamos en abril de 2022, durante el cual se llevó a cabo el Experimento de Vientos Sundowner (SWEX). Además, refinamos nuestra área de estudio a la región de Montecito debido a que algunas de las mediciones de viento más altas ocurren en o cerca de la estación de superficie MTIC1, situada en la ladera que da al mar. Los incendios no son infrecuentes en esta área, y la dificultad de salida hace que la población sea particularmente vulnerable. Los pronosticadores de la zona a menudo utilizan la diferencia de presión a nivel del mar (SLP) entre el Aeropuerto de Santa Bárbara (KSBA) y lugares al norte como Bakersfield (KBFL) para predecir la ocurrencia de tormentas de viento Sundowner. Nuestro análisis indica que la SLP por sí sola es propensa a altas tasas de falsas alarmas y ofrece poca información sobre el inicio, la duración o la magnitud del viento en pendiente. Además, nuestro análisis muestra que el modelo de alta resolución de actualización rápida (HRRR) tiene una habilidad predictiva limitada en general para pronosticar vientos en el área de Montecito. Sin embargo, el HRRR predice con habilidad la SLP KSBA-KBFL, al igual que GraphCast, un modelo de predicción del tiempo basado en aprendizaje automático. Utilizando un modelo de regresión logística, pudimos predecir la ocurrencia de vientos que superan los 9 m con una alta probabilidad de detección mientras minimizamos las tasas de falsas alarmas en comparación con otros métodos analizados. Esto proporciona un algoritmo refinado y fácilmente computable para aplicaciones operativas.