Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The reference evapotranspiration (ETo) is a component of great importance in several areas, as well as studies in agricultural and water resources management. Several methods of determination are studied, the Penman-Monteith widely used as standard. The main disadvantage of this method is the fact that the meteorological data required are usually not easily available, or have a high cost for determination. The insertion of artificial neural networks (ANN) in these studies provides satisfactory results with fewer input variables. This paper's main objective is to develop a web and mobile tool for determining ETo models using artificial neural networks for the State of Rio Grande do Sul The data used for modeling were collected from the stations of the National Meteorological Institute between 2008 and 2012. It was adopted as the standard ETo values estimated by the Penman-Mointeith and then compared with those obtained with the RNA's. The scheduling algorithm was defined as the best neural network architecture, considering the indide performance and error evaluation. Both applications were developed under Linux with free tools and SQLite database. It can be seen that the estimates made with the RNA's have better performance when compared with the known empirical methods, varying its index of determination (R²) between 0,856 and 1,0. Obtained outperform models with daily solar radiation as input. Two model was chosen to implement the system architecture, the first solar radiation with insertion of the second liquid architecture makes use of extraterrestrial radiation. This definition was chosen because of the lack or high cost for obtaining solar radiation data net. It was concluded that artificial neural networks are able to predict the quality of reference evapotranspiration for the State of Rio Grande do Sul enabling applications on web and mobile. / A evapotranspiração de referência (ETo) é um componente de grande importância em diversas áreas, assim como nos estudos agrícolas e na gestão dos recursos hídricos. Vários métodos de determinação são estudados, sendo o modelo de Penman-Monteith utilizado amplamente como padrão. A principal desvantagem deste método é o fato de que os dados meteorológicos necessários normalmente não estão facilmente disponibilizados, ou possuem um custo elevado para determinação. A inserção das redes neurais artificiais (RNA) nestes estudos possibilita obter resultados satisfatórios com número menor de variáveis de entradas. O presente trabalho tem por objetivo principal, desenvolver uma ferramenta web e mobile para a determinação da ETo utilizando modelos de redes neurais artificiais para o Estado do Rio Grande do Sul. Os dados utilizados para modelagem foram coletados junto as estações do Instituto Nacional de Meteorologia entre 2008 e 2012. Adotou-se como padrão os valores de ETo estimados pelo método de Penman-Mointeith e posteriormente comparado com os obtidos com as RNA s. O algoritmo de programação foi definido a partir da melhor arquitetura de rede neural, considerando o índide de desempenho e avaliação do erro. Ambas as aplicações foram desenvolvidas em ambiente Linux, com ferramentas livres e banco de dados SQLite. Pode-se perceber que as estimativas realizadas com as RNA's apresentam melhor desempenho quando comparado com os métodos empíricos conhecidos, variando seu índice de determinação (R²) entre 0,856 e 1,0. Obteve-se desempenho superior nos modelos com radiação solar diária como variável de entrada. Foi escolhido dois modelos de arquitetura para implementar no sistema, sendo o primeiro com inserção de radiação solar líquida e a segunda arquitetura utiliza-se de radiação solar extraterreste. Essa definição foi escolhida devido a carência ou custo alto para obtenção dos dados de radiação solar líquida. Concluiu-se que as redes neurais artificias são capazes de predizer com qualidade os valores de evapotranspiração de referencia para o Estado do Rio Grande do Sul possibilitando aplicações em sistemas web e mobile.