Los vehículos autónomos submarinos (AUV) han cambiado la forma en que se estudia, monitorea y mapea el entorno marino. Los vehículos autónomos submarinos tienen una amplia gama de aplicaciones en investigación, militar y entornos comerciales. Los AUV no solo realizan una tarea determinada, sino que también se adaptan a los cambios en el entorno, por ejemplo, corrientes laterales repentinas, corrientes descendentes y otros efectos que son extremadamente impredecibles. Para navegar correctamente y permitir el uso de algoritmos de localización y mapeo simultáneos (SLAM), es necesario detectar estos efectos. Con los sistemas de navegación actuales, estas perturbaciones en el flujo de agua no se miden directamente. Solo se observan los efectos indirectos. Se propone detectar las perturbaciones directamente colocando sensores de presión en la superficie del AUV y procesando los datos de presión obtenidos. Dentro de este estudio, se prueban la aplicabilidad de diferentes métodos de aprendizaje para determinar los parámetros de flujo de un fluido circundante a partir de la presión en el cuerpo de un AUV. Esto se basa en simulaciones de CFD utilizando datos de presión de puntos específicos en la superficie del AUV. Se demuestra que las máquinas de soporte vectorial son las más adecuadas para la tarea dada y producen excelentes resultados.