De acuerdo a diversos estudios, existen modelos los cuales se caracterizan porque el resultado es conocido y la red se entrena a si misma hasta que es capaz de predecir el resultado por si misma, de acuerdo a los datos de entrada. Se analizan en el estudio los modelos: perceptrn multicapa, la red recurrente Jordan-Elman y la red Ward.De acuerdo a los distintos modelos se piensa crear un programa los cuales se puedan aplicar los distintos datos para los diferentes periodos, adems se realizarn pruebas con periodos "atpicos" para observar los resultados en cada modelo.El programa contar con diferentes tipos de datos, los cuales se dividen en los datos de entrenamiento para el modelo de red neuronal, datos para evitar el sobre aprendizaje de la red y datos atpicos.La propagacin hacia atras es el algoritmo utilizado para el entrenamiento de las redes neuronales, funciona estimulando las capas neuronales de entrada para luego propagarlos a las capas superiores, la salida se compara con la salida deseada y el error se propaga hacia atrs, hacia todas las capas y neuronas que contribuyen a la salida, reciben una fraccin de la seal total del error de acuerdo a la contribucin relativa de cada neurona.