La inspección de daños en la superficie de la aerostructura se lleva a cabo durante todo el ciclo de vida utilizando procesos heredados y registros durante el mantenimiento. Las técnicas de inspección registran la historia detallada del daño y la reparación. Sin embargo, sigue siendo difícil predecir la ubicación de futuros daños en la superficie de la aerostructura. En este artículo, desarrollamos una técnica de simulación novedosa basada en los resultados del análisis de aprendizaje automático para predecir la ubicación de referencia de futuros daños en la superficie de la aerostructura. Primero, utilizamos la máquina de soporte vectorial (SVM) y el vecino más cercano (KNN) para analizar el daño en tres aeronaves B777-200 y encontramos que la precisión de clasificación puede variar del 75.1% al 86%. Luego, utilizamos el resultado de predicción de una red neuronal de avance (FNN) para simular la estructura del daño y la relación de mapeo para explorar su posibilidad reconstructiva. Mostramos que el daño en la superficie de la aerostructura puede ser reconstruido mediante aprendizaje automático. Además, el mapa de calor de daños en la superficie de la aerostructura obtenido por reconstrucción puede ser preparado para un análisis de reconocimiento de imágenes en el futuro.