Resumen:Se ha desarrollado un modelo de red neuronal para caracterizar series meteorológicas que son difíciles de modelar con los métodos clásicos de inferencia estadística. Concretamente, se ha utilizado la red neuronal para cuantificar la relación intensidad -duración de la lluvia, variables que se encuentran interrelacionadas de una forma muy imprecisa. El modelo contiene funciones de transferencia no lineales e incluye términos de naturaleza estadística en la función de error. Para estimar los parámetros de la red neuronal se ha desarrollado un algoritmo de aprendizaje adaptado a funciones de error no derivables.Palabras clave: Intensidad de la lluvia, dependencia de la intensidad y duración de la lluvia, red neuronal artificial, términos de error en una red neuronal artificial. INTRODUCCIÓNLa finalidad principal de un estudio hidroló-gico es la obtención de datos básicos que permitan evaluar los recursos hídricos de una cuenca. En la actualidad, la mejor forma de evaluar estos recursos se basa en la implantación de modelos que caractericen y simulen la forma en la que las precipitaciones se transforman en escorrentía. En este sentido, la variable climática más importante es la lluvia, ya que de ella dependerán la distribución y los valores máximos de los recursos disponibles.El modelado de la lluvia plantea ciertas dificultades debido a la dependencia temporal de las observaciones y a la dependencia cruzada entre las variables asociadas a la ocurrencia de lluvia, como pueden ser la duración, la intensidad media o la variación de la intensidad dentro de cada episodio lluvioso. Todas estas relaciones de dependencia adquieren especial importancia en modelos que generan datos agregados en intervalos cortos de tiempo.En este trabajo se propone un modelo de red neuronal artificial (RNA) que relaciona la duración y la intensidad media de una lluvia. Se han elegido estas variables porque son componentes importantes de los modelos pluviométricos y porque sus relaciones son difíciles de cuantificar, especialmente en datos con escala de agregación pequeña.Las RNAs constituyen una alternativa a la generación de modelos empíricos y han sido utilizadas con éxito en tareas de modelado de sistemas y ajuste de funciones no lineales. Su flexibilidad para el ajuste de datos con gran dispersión numérica, junto con la ventaja que supone no tener que precisar el enunciado de una relación matemática exacta (Alvarez y Bolado, 1996), hacen interesante su uso para caracterizar procesos hidrológicos, en los que resulta deseable una descripción precisa de la variabilidad.