En el presente trabajo, se aplica un marco de modelado de orden reducido (ROM) basado en un modelo neuro-difuso recurrente (NFM) que está conectado en serie con una red neuronal de perceptrón multicapa (MLP) para el cálculo del zumbido transónico del alerón. El conjunto de datos de entrenamiento para el ROM especificado se obtiene realizando simulaciones de Navier-Stokes promediadas por Reynolds no estacionarias (URANS) con movimiento forzado. Además, se aplica un procedimiento de entrenamiento basado en Monte Carlo para estimar errores estadísticos. Para demostrar la fidelidad del método, se investiga un modelo aeroelástico bidimensional basado en el perfil aerodinámico NACA65213 en diferentes condiciones de flujo, considerando en particular la deflexión del alerón y el momento de bisagra. El alerón está integrado en la sección del ala sin un espacio y se modela como rígido. Las ecuaciones dinámicas de la rotación del alerón rígido están acopladas con el modelo de flujo basado en URANS. Para los propósitos de entrenamiento del ROM, el alerón se excita mediante un movimiento forzado y se calcula la respectiva respuesta aerodinámica y aeroelástica utilizando un solucionador de dinámica de fluidos computacional (CFD). Una comparación con las soluciones CFD de referencia de alta fidelidad muestra que las características esenciales del fenómeno de zumbido no lineal son capturadas por el método ROM seleccionado.