风力机流场预测是困难的，因为它需要计算昂贵的计算流体动力学(CFD)模型。本文的贡献是提出并发展了一种利用CFD和非侵入式随机展开方法进行海上风电场随机分析的方法。该方法是通过测试一系列机器学习方法，评估数据集的需求，并比较准确性与现场测量数据。所使用的方法是详细的，并将结果与从现有风电场获得的实际测量结果进行比较，以量化预测的准确性。在多个确定性输入范围内使用稳态CFD求解器对一个现有的海上风电场进行建模，并根据CFD结果训练一个近似模型。比较的近似模型有人工神经网络、高斯过程、径向基函数、随机森林和支持向量回归。RBF相对于CFD模型的平均绝对误差仅为0.54%，SVR预测相对于真实数据的误差(含散点)为12%，而Jensen的则为16%。这种方法有可能被用于更复杂的情况，即现有的分析方法不足或不能作出良好的预测。
