I modelli di ordine ridotto sono sempre più riconosciuti come strumenti fondamentali per abilitare applicazioni della Computational Fluid Dynamics (CFD) in tempo reale, in particolare se affiancati a strategie basate sul Machine Learning in configurazioni a geometria fissa. Il loro costo computazionale ridotto li rende estremamente attrattivi per compiti di progettazione e ottimizzazione, specialmente in spazi parametrici ad alta dimensionalità. Inoltre, ROMs stanno diventando strumenti fondamentali per accelerare le simulazioni ad alta fedeltà, fornendo condizioni iniziali efficaci e abilitando processi di ottimizzazione di forma in contesti industriali. La presente tesi si concentra sullo sviluppo e sull’applicazione di un algoritmo di interpolazione non-lineare basato sulla Convex Displacement Interpolation (CDI), che consente di stimare soluzioni intermedie del campo di moto sfruttando sensori basati sulla fisica del problema, progettati per identificare strutture coerenti nel campo di flusso, come ad esempio i sensori di onda d’urto.