En este documento de investigación, se propone un modelo autoregresivo no lineal con entrada exógena (NARX) del sistema no lineal basado en redes neuronales y análisis de series temporales para tratar el pronóstico de un mes de la energía producida por módulos fotovoltaicos (PVM). El PVM es una celda monocristalina con una producción nominal de 175 vatios que se encuentra en la Universidad de Heliópolis, en la ciudad de Bilbéis, Egipto. El modelo NARX se considera lo suficientemente potente como para emular el modelo no lineal dinámico en el espacio de estados. Se realiza de manera exhaustiva para resolver una variedad de problemas y es especialmente importante en el control de procesos complejos. Además, el método NARX se selecciona debido a sus tiempos de aprendizaje y finalización rápidos, así como a su alta adecuación, y se distingue por sus dinámicas y resistencia a interferencias ventajosas. La red neuronal (NN) se entrena y se optimiza con tres algoritmos, el Algoritmo de Levenberg-Marquardt (NARX-LMA), el Algoritmo de Regularización Bayesiana (NARX-BRA) y el Algoritmo de Gradiente Conjugado Escalado (NARX-SCGA), para lograr el mejor rendimiento. Los resultados pronosticados utilizando el método NARX basado en los tres algoritmos se comparan con los datos medidos experimentalmente. Los modelos NARX-LMA, NARX-BRA y NARX-SCGA se validan utilizando criterios estadísticos. En general, las condiciones meteorológicas tienen un impacto significativo en la ejecución y calidad de los resultados.