La humedad del suelo subsuperficial es un determinante primario para el desarrollo de raíces y el transporte de nutrientes en el suelo, y afecta la maniobrabilidad de vehículos agrícolas. Un modelo de pronóstico estadístico, Vector AutoRegression (VAR), y una red de Memoria a Corto y Largo Plazo (LSTM) fueron desarrollados para pronosticar la humedad del suelo subsuperficial a una profundidad de 20 cm utilizando 9 años de datos históricos de clima y datos de humedad del suelo subsuperficial de Fort Wayne, Indiana, EE. UU. Un análisis de series temporales mostró que los datos climáticos y de humedad del suelo tienen una tendencia estacional estacionaria y demostraron que la humedad del suelo puede ser pronosticada a partir de los datos climáticos. El modelo VAR estima la humedad volumétrica del suelo de un día por delante con un R, MAE (mm), MSE (mm) y RMSE (mm) de 0,698, 0,0561, 0,0046 y 0,0382 para la temporada de cultivo de maíz de 2021, mientras que el modelo LSTM utilizando entradas de los siete días anteriores arrojó un R, MAE (mm), MSE (mm) y RMSE (mm) de 0,998, 0,00237, 0,00002 y 0,00382, respectivamente, como se probó para la temporada de cultivo de 2020 y 0,973, 0,00368, 0,00003 y 0,00577 como se probó para la temporada de cultivo de 2021. El modelo LSTM presenta una alternativa viable basada en datos a los modelos estadísticos tradicionales para pronosticar la humedad del suelo subsuperficial.