Ovaj rad predstavlja pristup strojnog učenja (ML) analizi incidencije munje vjetroturbina (WT) na složenom terenu, na temelju informacija dobivenih iz sustava za lociranje munja (LLS). Razvijen je određeni ML model incidencije munje WT-a, korištenjem Bayesovog statističkog učenja i Gaussove regresije procesa, i obučen na stvarnim LLS podacima. Model je razvijen oko poznate pretpostavke da podaci o frekvenciji udara groma proizlaze iz Poissonovog stohastičkog procesa. Nadalje koristi atraktivan koncept radijusa pričvršćivanja munje, koristi sofisticiranu analizu WT efektivne visine—koja koristi podatke o visini terena—i uvodi prostornu autokorelaciju udara munje. Pruža vjerojatnu procjenu rizika WT štete od munje, zajedno sa statističkim mjerama povezanih novčanih financijskih gubitaka. Predloženi ML model ima koristi od Bayesove sposobnosti kvantificiranja nesigurnosti parametara modela i korištenja hijerarhijske strukture modela koja daje informacije o parametrima modela kroz međusobne hiperpriore više razine. Predloženi model omogućuje i investitorima i osiguravajućim društvima da procijene rizike povezane s udarom groma na WT, uzimajući u obzir povijesne LLS podatke i buduće lokacije postavljanja vjetroelektrana.