La dinámica estructural de las palas de las turbinas eólicas es crucial en la fase de diseño estructural de la turbina. Las deflexiones y cargas de las palas pueden afectar el peso del rotor, así como el rendimiento energético de una turbina eólica si las deflexiones son extremadamente altas. Las predicciones de las deflexiones y cargas de las palas de la turbina pueden llevar a decisiones informativas sobre la optimización del diseño de la pala. En este trabajo, se utiliza un enfoque de aprendizaje automático multivariado (ML) para predecir la dinámica de las palas basado en las condiciones de flujo de viento y las acciones de control de la turbina. Tres conjuntos de datos diferentes fueron generados utilizando la herramienta de software OpenFAST para tres clases diferentes de turbulencia del viento. Se entrenaron varios algoritmos de ML para predecir las deflexiones de las palas en la punta y las cargas de las palas en la raíz en las direcciones de corte y de flexión. Los modelos de ML se probaron para la generalización del modelo a diferentes condiciones de flujo. Un modelo se entrenó para un conjunto de datos con una de las clases de turbulencia y luego se utilizó para predecir las salidas de los otros dos conjuntos de datos. El algoritmo de ML de bosque aleatorio dio la mejor precisión para predecir las salidas para el conjunto de datos para el que se entrenó, así como para los otros dos conjuntos de datos. Se encontró que la precisión de las predicciones era mayor en la dirección de corte para ambas salidas de carga y deflexión. En la dirección de flexión, el modelo pudo predecir las salidas de los datos para los que se entrenó con una precisión de alrededor del 99% y para los otros dos conjuntos de datos con una precisión de más del 75%. Mientras que en la dirección de corte, el modelo entrenado en solo un conjunto de datos dio una precisión de predicción por encima del 95% para los tres conjuntos de datos.