La escala de las turbinas eólicas marinas (OWTs) ha aumentado para mejorar su generación de energía. Sin embargo, las fuertes cargas aero/hidrodinámicas pueden degradar las características dinámicas de las OWTs porque están instaladas en lechos marinos blandos. Esta degradación puede acortar la vida estructural del sistema; las cargas repetitivas conducen a un ablandamiento del lecho marino, reduciendo la frecuencia natural de la estructura cerca de la frecuencia de excitación. La mayoría de los estudios previos sobre degradación entrenaron algoritmos de predicción con señales de sensores reales. Sin embargo, no hay datos de sensores reales sobre la respuesta dinámica de las OWTs a lo largo de su vida útil (aproximadamente 20 años). Para abordar este problema de datos, este estudio propone una nueva plataforma de predicción que combina un modelo dinámico de OWT y un modelo de predicción de degradación basado en redes neuronales. Específicamente, se generó una respuesta dinámica virtual utilizando un modelo de OWT tridimensional y un modelo de elementos finitos del lecho marino. Luego, se entrenó el modelo LSTM para predecir la degradación de la frecuencia natural utilizando la respuesta dinámica como entrada del modelo. Los resultados muestran que el modelo desarrollado puede predecir con precisión las frecuencias naturales durante los próximos años utilizando aceleraciones y deformaciones pasadas y presentes. En la práctica, este modelo LSTM podría usarse para predecir futuras frecuencias naturales utilizando la respuesta dinámica de la estructura, que puede medirse con sensores reales (acelerómetros y galgas de deformación).