Los derivados de flutter (FDs) de la losa del puente son parámetros aerodinámicos básicos mediante los cuales el análisis de flutter determina la velocidad crítica de flutter (CFV), y tradicionalmente se identifican mediante pruebas en túneles de viento de modelos seccionales o simulaciones numéricas de dinámica de fluidos (CFD). Basado en algunos resultados de pruebas en túneles de viento y datos de simulación numérica, los modelos de aprendizaje automático para identificar FDs de vigas de caja cerrada se entrenan y desarrollan a través de un árbol de decisión de refuerzo por gradiente en este estudio. Los modelos pueden explorar la relación de transferencia de entrada-salida subyacente de los conjuntos de datos y realizar una identificación inteligente rápida de FDs sin pruebas en túneles de viento o simulación numérica. Este método también proporciona una opción conveniente y factible para expandir los conjuntos de datos de FDs, y la distribución de FDs puede ser analizada a través de la post-interpretación de los modelos entrenados. Combinado con el análisis de sensibilidad de FD, los modelos pueden ser verificados por el error de cálculo de CFV. Además, el método propuesto puede ayudar a determinar la forma adecuada de la sección transversal de la viga de caja en la etapa de diseño preliminar de puentes de gran luz y proporcionar la referencia necesaria para la optimización de la forma aerodinámica mediante la modificación de las características geométricas locales de la sección transversal.