El diseño y la optimización de turbinas eólicas flotantes en alta mar (FOWTs) presentan desafíos significativos, derivados de la compleja interacción entre la aerodinámica, la hidrodinámica, la dinámica estructural y los sistemas de control. En este contexto, este estudio introduce un método innovador para predecir el comportamiento dinámico de las FOWTs bajo diversas condiciones al combinar una Red Neuronal Convolucional (CNN) con una Red de Unidad Recurrente Puerta (GRU). Este modelo supera a los modelos numéricos tradicionales al ofrecer predicciones precisas y eficientes de las respuestas dinámicas de las FOWTs. Maneja hábilmente las complejidades computacionales y reduce la duración del procesamiento, mientras mantiene flexibilidad y gestiona eficazmente las dinámicas no lineales. La destreza del modelo se muestra a través de un análisis de una FOWT tipo spar en un conjunto de datos de series temporales paralelas multivariantes utilizando la estructura CNN-GRU. Los resultados son notablemente prometedores, subrayando la competencia del modelo para predecir con precisión el rendimiento de las FOWTs.