Los Generadores de Tiempo son modelos estoc´asticos que permiten generar series de ´ındices clim´aticos que se corresponden con las caracter´ısticas 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´ıas de lluvia, el modelo represent´o adecuadamente la media y la desviaci´on est´andar de la cantidad de d´ıas de lluvia por mes y mejor´o significativamente la simulaci´on de per´ıodos 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.