Las carreras de montaña de ultradistancia transcurren por entornos remotos y se necesitan varias horas para completarlas. Esto representa un reto para los organizadores que deben garantizar la seguridad de la carrera. El Centre Excursionista Torelló organiza la carrera Pels Camins dels Matxos, y quiere incorporar una herramienta para estimar el tiempo en que un corredor debería pasar por un control y con esto anticiparse a posibles accidentes. Los modelos de regresión lineal múltiple se usan habitualmente para predecir el tiempo que necesitará un corredor para finalizar una carrera. El inconveniente de este método es que presupone un desarrollo lineal de la carrera y no tiene en cuenta cómo cambia el rendimiento del corredor a lo largo de la prueba. Otro problema habitual es no disponer de las variables predictoras más importantes ya que suelen ser parámetros antropométricos medidos en el laboratorio. Para abordar estos inconvenientes este trabajo de investigación propone probar dos tipos de algoritmos de machine learning, modelos de regresión no lineal, en concreto Random Forests (RF) y Perceptrón Multicapa (MLP), y entrenarlos utilizando los tiempos de los controles intermedios, la edad y el sexo de los corredores. Los algoritmos propuestos son comparados mediante el error medio absoluto (MAE) en la predicción de la llegada desde un control intermedio. Los resultados muestran que el MLP mejora en un 56% la precisión de RF (MAE MLP 9,8 minutos; MAE RF 22,4 minutos). Sin embargo, la tendencia del MAE en el MLP es aleatoria y no correlaciona con el número de tiempos conocidos usados en la predicción. El modelo basado en RF se ha integrado con la aplicación actual del Centro de Control de Carrera.