La previsi?n de acontecimientos futuros es necesaria en muchas de las actividades asociadas a la planificaci?n y explotaci?n de los componentes de un sistema de recursos h?dricos. En el caso del componente hidrol?gico, se necesitan previsiones de series temporales hidrol?gicas tanto a corto como a largo plazo para optimizar el sistema o planificar futuras ampliaciones o reducciones. Se presenta aqu? la comparaci?n de diferentes t?cnicas de redes neuronales artificiales (RNA) en la previsi?n a corto plazo de caudales diarios continuos e intermitentes y de sedimentos en suspensi?n diarios. Se aplican a los datos hidrol?gicos tres t?cnicas diferentes de RNA, a saber, la retropropagaci?n directa (FFBP), las redes neuronales de regresi?n generalizada (GRNN) y las redes neuronales basadas en funciones de base radial (RBF). En general, los resultados de las t?cnicas RNA son superiores a los de otros m?todos estad?sticos y estoc?sticos convencionales en funci?n de los criterios de rendimiento seleccionados.