La previsione della qualità di un canale Wi-Fi è di primaria importanza in quanto permette la realizzazione di tecniche adattative che, modificando i parametri della comunicazione, permettono di migliorare la qualità di servizio in termini di latenza e di consumo energetico. L'utilizzo di tecniche di machine learning basate su reti neurali artificiali di diverso tipo (multi-layer perceptron e LSTM) e topologia è stato approfonditamente analizzato in questa tesi. I dati sono stati acquisti su un setup sperimentale reale costituti da schede operanti con lo standard IEEE 802.11n. I risultati hanno dimostrato una superiorità dei modelli di tipo multi-layer perceptron rispetto a LSTM e una buona qualità dei modelli previsionali ottenuti.