En los últimos años la modelización y predicción de sistemas no lineales ha cobrado un fuerte interés debido a sus numerosas aplicaciones prácticas. Entre las distintas herramientas de modelización estadística aplicadas a este problema, las redes neuronales han destacado por su flexibilidad y potencia. En esta charla se repasa el estado actual de la modelización y predicción con estas ténicas, aplicadas tanto a sistemas sencillos de caos de baja dimensión, como a sistemas más complejos de alta dimensión con ruido (modelos y datos Meterológicos). En primer lugar se analiza la capacidad de modelización de estos sistemas para reproducir la dinámica observada: exponentes de Liapunov, atractor, etc. A continuación se analiza la posibilidad de sincronizar el sistema real con el neuronal. Finalmente se describen ejemplos práticos del horizonte de predicción que es posible alcanzar con estos modelos. En particular se analizan dos esquemas de predicción: la prolongación directa de la �ibita neuronal y el esquema de sincronización anticipada.