En esta tesis se presentan varios modelos de predicción de una serie temporal de consumo mensual de energía eléctrica. En primer lugar se realiza un estudio comparativo de técnicas de suavización de series temporales con el fin de extraer la tendencia de la serie. Se predice a continuación la serie de tendencia resultante mediante una red neuronal optimizada para ello. En una segunda fase se proponen tres estrategias para la predicción de las fluctuaciones que presenta la serie sobre la tendencia: la primera de ellas consiste en una red neuronal, la segunda se basa en el ajuste a una serie de Fourier y la tercera corresponden a un banco de filtros digitales asociados con redes neuronales que realizan un filtrado sin retardo dela serie y predicen valores futuros de la misma. Se realiza un estudio comparativo de las tres estrategias y se extraen conclusiones acerca de las ventajas e inconvenientes de cada una de ellas. Los resultados de precisión obtenidos en la predicción de las serie mediante las técnicas propuestas mejoran los publicados en los trabajos anteriores consultados, presentando la ventaja adicional de no necesitar variables distintas del consumo eléctrico para realizar la predicción.