En este trabajo se presentan las bases para el diseño de sistemas de predicción de caudales de aporte a las represas hidroeléctricas de Rincón del Bonete y Salto Grande. La predicción se realiza de forma independiente para cada embalse y para cada mes del año, siguiendo las metodologías de downscaling híbrido (cuando se utilizan predictores atmosféricos) o modelo orientado puramente por datos (cuando no se utilizan predictores atmosféricos). A partir del análisis de la circulación atmosférica regional, índices asociados al fenómeno El Niño Oscilación Sur e información relacionada con caudales antecedentes se determina un conjunto inicial de variables predictoras. Luego, bajo la hipótesis de variables predictoras conocidas, se ajustan varios modelos estadísticos de regresión que relacionan a las mismas con el caudal, entre ellos: modelo lineal, modelo lineal acoplado con selección de variables, regresión por mínimos cuadrados parciales, árboles de regresión, redes neuronales y técnicas de clustering. En general, el modelo que presenta los mejores resultados de habilidad predictiva (estimada a través del error cross validation leave-one-out) es el modelo de regresión lineal acoplado con selección hacia atrás de variables. Se encuentra que tanto en Rincón del Bonete como en Salto Grande los caudales de aporte medios mensuales son predictibles en todos los meses del año, exceptuando el caudal de aporte a Rincón del Bonete en agosto. Si bien para Rincón del Bonete no se distingue claramente un período de elevada predictibilidad, para Salto Grande las temporadas de marzo a mayo y de octubre a diciembre destacan como robustas en este sentido. Los esquemas de predicción desarrollados presentan, en general, habilidad predictiva superior a la de pronosticar la media histórica, aún en situaciones de antecedencia del pronóstico que no permiten contar con los caudales precedentes seleccionados como predictores (antecedencias superiores a dos meses). A pesar de que todo el trabajo fue realizado bajo la hipótesis de predictores conocidos, la utilización de un modelo de circulación general de la atmósfera (el de la Universidad de California, Los Ángeles) permitió evaluar el desempeño de los modelos desarrollados restringiendo las variables predictoras atmosféricas a aquellas que dicho modelo indica podrían ser predictibles, lo cual constituye una situación más cercana a la que debe ser enfrentada en modo operacional. Aún cuando el conjunto de predictores se restringe únicamente a aquellos potencialmente predictibles, los modelos desarrollados muestran habilidad predictiva superior a la de pronosticar la media histórica en ambos embalses en la mayoría de los meses, incluso bajo situaciones de antecedencia superiores a los dos meses. Aunque estos resultados deben considerarse cotas superiores de la habilidad predictiva en modo operacional (pues, de nuevo, se supusieron predictores conocidos) los resultados son alentadores.