در این مطالعه سعی شده تا کارآیی هوش مصنوعی در تخمین مقاومت خمشی پارچه با در اختیار داشتن فاکتورهای ساختاری آن نظیر قطر نخ پود، درصد جمع شدگی نخ های تار، درصد جمع شدگی نخ های پود، مقدار ضخامت پارچه، تراکم نخ های پود و وزن پارچه مورد ارزیابی قرار گیرد. از این رو در این مطالعه از مدلهای مختلفی همچون شبکه عصبی مصنوعی و شبکه فازی-عصبی و رگرسیون خطی-محلی و رگرسیون خطی-محلی دینامیک جهت برآورد مقاومت خمشی پارچه با در اختیار داشتن فاکتورهای ساختاری استفاده شده است. در این تحقیق ابتدا بهترین ترکیب ورودی با استفاده از الگوریتم ژنتیک و همچنین بهترین اندازه مجموعه آموزش با استفاده از گزینه M-test تعیین گردید. برای این کار از نرم افزار Wingamma استفاده شد. در ادامه کارایی هر یک از مدلها مورد بررسی قرار گرفت. نتایج نشان دادند که مدلهای رگرسیون خطی-محلی و رگرسیون خطی-محلی دینامیک در این مطالعه نتوانسته اند کارآیی خوبی از خود نشان دهند و از بین شبکه های عصبی استفاده شده در این مطالعه شبکه عصبی MLP با یک لایه مخفی بهترین جواب را ارایه کرده است. در کل از بین مدلهای استفاده شده در این مطالعه، مدل ترکیبی فازی-عصبی (ANFIS) بهترین برآورد را از مقاومت خمشی پارچه دارد.