Este documento investigó el desarrollo de un modelo híbrido para la predicción de la velocidad del viento, que abarca de 1 a 46 días, en el noreste de Brasil. El sistema de predicción se vinculó a la predicción numérica del tiempo ampliamente utilizada del pronóstico global del ECMWF, con redes neuronales (NN) entrenadas utilizando mediciones locales. El enfoque de este estudio se centró en el post-procesamiento de las NN, en términos de estructura de datos, dimensionalidad, arquitectura, estrategia de entrenamiento y validación. Se construyeron NN de perceptrón multicapa utilizando las siguientes entradas: componentes del viento, temperatura, humedad e información de presión atmosférica del ECMWF, así como latitud, longitud, seno/coseno del tiempo y tiempo de anticipación del pronóstico. La salida principal de la NN consistió en el residuo de la velocidad del viento, es decir, la diferencia entre la media aritmética del conjunto, derivada del ECMWF, y las observaciones. Al preservar la simplicidad y la pequeña dimensión del modelo de NN, fue posible construir un conjunto de NN (20 miembros) que mejoró significativamente los pronósticos. El sesgo original del ECMWF de -0.3 a -1.4 m/s se ha corregido a valores entre -0.1 y 0.1 m/s, mientras que también se redujo el RMSE en un 10 a 30%. Se discute la implementación operativa, y una evaluación detallada muestra la considerable capacidad de generalización y robustez del sistema de pronóstico, con bajo costo computacional.