La previsión de acontecimientos futuros es necesaria en muchas de las actividades asociadas a la planificación y explotación de los componentes de un sistema de recursos hídricos. En el caso del componente hidrológico, se necesitan previsiones de series temporales hidrológicas tanto a corto como a largo plazo para optimizar el sistema o planificar futuras ampliaciones o reducciones. Se presenta aquí la comparación de diferentes técnicas de redes neuronales artificiales (RNA) en la previsión a corto plazo de caudales diarios continuos e intermitentes y de sedimentos en suspensión diarios. Se aplican a los datos hidrológicos tres técnicas diferentes de RNA, a saber, la retropropagación directa (FFBP), las redes neuronales de regresión generalizada (GRNN) y las redes neuronales basadas en funciones de base radial (RBF). En general, los resultados de las técnicas RNA son superiores a los de otros métodos estadísticos y estocásticos convencionales en función de los criterios de rendimiento seleccionados.