Este documento presenta los resultados de un estudio sobre la aplicación de un modelo de red neuronal artificial (RNA) para el análisis de frecuencia de inundaciones regional (AFIR). El estudio se llevó a cabo utilizando datos de caudal de 88 estaciones de medición en Nueva Gales del Sur (NSW) en Australia. Se probaron cinco modelos diferentes que consisten en tres a ocho variables predictoras (es decir, precipitación anual, área de drenaje, fracción de área forestal, evapotranspiración potencial, intensidad de la lluvia, pendiente del río, factor de forma y densidad de corrientes). Los resultados muestran que un modelo de RNA con un mayor número de variables predictoras no siempre mejora el rendimiento de los modelos de AFIR. Por ejemplo, el modelo con tres variables predictoras tiene un rendimiento considerablemente mejor que los modelos que utilizan un mayor número de variables predictoras, excepto por el que contiene las ocho variables predictoras. El modelo con tres variables predictoras exhibe valores de error relativo mediano más pequeños para períodos de retorno de 2 y 20 años en comparación con el modelo que contiene ocho variables predictoras. Sin embargo, para períodos de retorno de 5, 10, 50 y 100 años, el modelo con ocho variables predictoras muestra valores de error relativo mediano más pequeños. El marco de modelado de RNA propuesto puede adaptarse a otras regiones en Australia y en el extranjero.