En el presente documento, se presenta un enfoque de modelado de orden reducido (ROM) basado en una red neuronal híbrida para calcular las distribuciones de presión de buffet en el ala debido a deformaciones basadas en modos propios estructurales. La predicción precisa de las distribuciones de presión superficial no estacionarias es crucial para evaluar la estabilidad aeroelástica y prevenir fallos estructurales, pero las simulaciones de orden completo son computacionalmente costosas; el ROM propuesto ofrece una alternativa rápida y eficiente con un nivel de precisión suficiente. El ROM híbrido se define por una conexión en serie de un autoencoder convolucional (CNN-AE) y una red neuronal de memoria a corto y largo plazo (LSTM). Como caso de prueba, se aplica la configuración del Modelo de Investigación Común de la NASA (CRM) para la condición de buffet transónico. Se realizan simulaciones de dinámica de fluidos computacional (CFD) de movimiento forzado para obtener las respuestas aerodinámicas inducidas por las deformaciones basadas en modos propios. Para las simulaciones no estacionarias, se utiliza el solucionador triangular adaptativo de corriente ascendente (TAU) del Centro Aeroespacial Alemán (DLR). Basado en un modelo estructural seleccionado, se implementan y consideran deformaciones basadas en modos propios simétricos y asimétricos de la estructura del ala para la evaluación del rendimiento. Al comparar las cargas de presión modeladas por el ROM híbrido y la solución numérica de orden completo de referencia, se indica un buen rendimiento de predicción en general con valores de error cuadrático medio (MSE) mayormente por debajo de, alcanzando máximos locales de aproximadamente, debido a fuertes gradientes de presión asociados con oscilaciones de choque pronunciadas.