Il mercato dei tessuti è in continua crescita, sia per quanto riguarda i tessuti convenzionali che per i tessuti tecnici e la permeabilità dei tessuti all’aria risulta di primaria importanza in diverse applicazioni tecniche. L’approccio basato su fluidodinamica computazionale (CFD) permette di valutare la permeabilità già in fase di progetto, diminuendo i costi economici derivanti dalle prove sperimentali, mentre un modello surrogato basato su machine learning puo’ ridurre il costo computazionale rispetto all’approccio CFD, permettendo operazioni di esplorazione ed ottimizzazione di diversi set di parametri. In quest’ottica l’obiettivo di questo lavoro di tesi è stata la creazione di un modello basato sul machine learning, utilizzando una rete neurale fully connected, per lo studio della permeabilità all’aria dei tessuti intrecciati, analizzati tramite CFD (usata per la creazione del dataset) al variare di alcuni parametri di design fondamentali come armatura e fabric count.