La predicción de rendimientos es una forma racional y científica de predecir futuros eventos en la agricultura: los efectos en el nivel de producción. Su principal objetivo es reducir el riesgo en el proceso de toma de decisiones que afectan el rendimiento en términos de cantidad y calidad. El objetivo del siguiente estudio fue generar un modelo lineal y no lineal para predecir el rendimiento de tubérculos de tres cultivares de papa muy tempranos: Arielle, Riviera y Viviana. Para lograr el objetivo establecido en el estudio, se recopilaron datos del período 2010-2017, procedentes de experimentos varietal oficiales realizados en el norte y noroeste de Polonia. El modelo lineal se creó en base a un análisis de regresión lineal múltiple (MLR), mientras que el modelo no lineal se construyó utilizando redes neuronales artificiales (ANN). Los modelos creados pueden predecir el rendimiento de variedades de papa muy tempranas el 20 de junio. Se utilizaron datos agronómicos, fitofenológicos y meteorológicos para preparar los modelos, y la corrección de su funcionamiento se verificó en base a conjuntos de datos separados que no participaron en la construcción de los modelos. Para la validación adecuada del modelo, se utilizaron seis métricas de error de pronóstico: es decir, error de aproximación relativa global (RAE), error cuadrático medio (RMS), error absoluto medio (MAE) y error porcentual absoluto medio (MAPE). Como resultado de los análisis realizados, los resultados de error de pronóstico para la mayoría de los modelos no superaron el 15% de MAPE. El modelo neural predictivo NY1 se caracterizó por mejores valores de medidas de calidad y errores de pronóstico ex post que el modelo de regresión RY1.