O monitoramento micrometeorológico é utilizado em reservatórios para a medição dos fluxos de calor latente através do método de covariâncias turbulentas. É difÃcil estabelecer séries longas e contÃnuas de medição devido à complexidade envolvida no monitoramento. Quando ocorrem falhas é necessário o preenchimento das lacunas para manter a continuidade da série. Este preenchimento pode ser realizado através de técnicas estatÃsticas e resultados de modelos. Neste trabalho foi avaliado o desempenho do modelo de Redes Neurais Artificiais (RNA) backpropagation para as estimativas do fluxo de calor latente no lago de Furnas – MG para o preenchimento das falhas em dados medidos durante 50 dias. A RNA foi aplicada utilizando vários conjuntos de parâmetros de entrada, estrutura de camadas e tempo de treinamento. O desempenho das estimativas do RNA foram comparadas com o desempenho de um modelo clássico de transferência de massa (MOD). Para avaliar o desempenho dos modelos foi utilizado o Ãndice de concordância de willmott. O modelo de RNA obteve um Ãndice de concordância de 0,93536, apresentando resultados melhores que o modelo de tranferência com 0,89681. Os resultados demonstraram que a RNA poder ser utilizada com grande sucesso para a estimativa de fluxo de calor latente
