Los Generadores de Tiempo son modelos estoc¿asticos que permiten generar series de ¿¿ndices clim¿aticos que se corresponden con las caracter¿¿sticas del clima actual. En esta tesis se explorar¿a el potencial de las redes neuronales para dise¿nar una nueva generaci¿on de generadores de tiempo.En primer lugar, se utilizaron Perceptrones Multicapa para construir un generador de precipitaciones diarias en dos etapas que pueda ser aplicado a distintos regimenes clim¿aticos y que corrija los problemas m¿as comunes que presentan estos generadores. Al compararlo con el modelo de Markov para la ocurrencia de d¿¿as de lluvia, el modelo represent¿o adecuadamente la media y la desviaci¿on est¿andar de la cantidad de d¿¿as de lluvia por mes y mejor¿o significativamente la simulaci¿on de per¿¿odos secos y lluviosos largos. Luego, al compararlo con las tres funciones param¿etricas (Gamma, Weibull y Doble Exponencial) utilizadas usualmente para ajustar la distribuci¿on de precipitaciones, se obtuvo un mejor ajuste de la distribuci¿on y se mejor¿o la simulaci¿on de cantidades extremas y la desviaci¿on est¿andar interanual.