Los tifones pueden tener efectos desastrosos en los sistemas elctricos. Pueden provocar un gran nmero de cortes de electricidad a los usuarios de la red de distribucin. Por ello, este documento establece un modelo para predecir la cantidad de cortes de electricidad de los usuarios de la red de distribucin en caso de catstrofe provocada por un tifn. En primer lugar, se consideran como variables de entrada veintisis variables explicativas (denominadas variables globales) que abarcan factores meteorolgicos, factores geogrficos y factores de la red elctrica. Sobre esta base, se analiza la correlacin entre cada variable explicativa y la variable de respuesta. En segundo lugar, establecemos un modelo de variables globales para predecir la cantidad de cortes de electricidad de los usuarios de la red de distribucin basndonos en el algoritmo Random Forest (RF). A continuacin, se extrae la importancia de cada variable explicativa para extraer las variables ms importantes. Para reducir la complejidad del modelo y aliviar la carga de recopilacin de datos, se seleccionan finalmente ocho variables como variables importantes. A continuacin, volvemos a predecir la cantidad de cortes de electricidad de los usuarios de la red de distribucin utilizando las ocho variables importantes. En tercer lugar, comparamos la precisin de prediccin de un modelo denominado No-modelo que se ha utilizado anteriormente, la Regresin lineal (LR), la Regresin vectorial de soporte (SVR), la Regresin de rbol de decisin (DTR), el modelo de variable global RF y el modelo de variable importante RF. Los resultados de la simulacin muestran que el modelo de variable importante RF propuesto en este documento tiene un mejor efecto. Dado que un menor nmero de variables puede ahorrar tiempo de prediccin y simplificar el modelo, se recomienda utilizar el modelo de variable importante RF.