La irradiación solar global es una variable importante que se puede utilizar para determinar la idoneidad de un área para instalar sistemas solares; sin embargo, debido a las limitaciones de requerir estaciones de medición en todo el mundo, se puede correlacionar con diferentes parámetros meteorológicos. Para hacer frente a este problema, se utilizaron diferentes ubicaciones en Rías Baixas (Comunidad Autónoma de Galicia, España) y combinaciones de parámetros (mes y temperatura promedio, entre otros) para desarrollar varios modelos de aprendizaje automático (bosque aleatorio -RF-, máquina de vectores de soporte -SVM- y red neuronal artificial -ANN-). Estos tres enfoques se utilizaron para modelar y predecir (un mes por delante) la irradiación solar global mensual utilizando los datos de seis estaciones de medición. Posteriormente, estos modelos se aplicaron a siete estaciones de medición diferentes para comprobar si el conocimiento adquirido podía extrapolarse a otras ubicaciones. En general, los modelos de ANN ofrecieron los mejores resultados para las fases de desarrollo y prueba del modelo, así como para la fase de extrapolación del conocimiento a otras ubicaciones. En este sentido, las ANNs seleccionadas obtuvieron un valor de error porcentual medio absoluto (MAPE) entre el 3,9 y el 13,8% para el desarrollo del modelo y un MAPE total entre el 4,1 y el 12,5% para las otras siete ubicaciones. Las ANNs pueden ser una herramienta capaz para modelar y predecir la irradiación solar global mensual en áreas donde los datos están disponibles y para extrapolar este conocimiento a áreas cercanas.