Τα τελευταία χρόνια, η πρόβλεψη ηλιακής ακτινοβολίας έχει γίνει αναπόσπαστο κομμάτι πλήθους τομέων, όπως, μεταξύ άλλων, η παραγωγή ενέργειας μέσω ανανεώσιμων πηγών και η παρακολούθηση της κλιματικής αλλαγής. Ως τώρα, οι σχετικές εργασίες γύρω από το θέμα είτε καλύπτουν πολύ μικρό χώρο, είτε είναι δυσπρόσιτες/μη προσβάσιμες από τον περισσότερο κόσμο, είτε χρησιμοποιούν χρονοσειρές μετρήσεων ηλιακής ακτινοβολίας ως εισόδους, βασιζόμενες στην ύπαρξη σχετικού εξοπλισμού στο σημείο-στόχο. Στην παρούσα διπλωματική εργασία, εξετάζουμε την αποδοτικότητα των νευρωνικών δικτύων εκπαιδευμένων με δεδομένα από διάφορες πηγές. Συγκεκριμένα, δημιουργούμε και ελέγχουμε ένα σύνολο μετρήσεων καιρικών συνθηκών από μεγάλο πλήθος σταθμών, ως πιο ενδεικτικό του τύπου δεδομένων στα οποία μπορούν να έχουν πρόσβαση μικρότερες οργανώσεις ή επιμέρους άτομα. Προτεραιοποιούμε τη χρήση τέτοιων μετρήσεων έναντι της χρήσης πιο προσαρμοσμένων δεδομένων. Αξιοποιούμε το σύνολο δεδομένων μας για να εκπαιδεύσουμε ένα πλήθος νευρωνικών δικτύων με διαφορετικές αρχιτεκτονικές, και αξιολογούμε τα αποτελέσματά τους ώστε να θέσουμε ένα πρότυπο προς βελτίωση σε μελλοντικές εργασίες που θα χρησιμοποιούν ένα παρόμοιο σύνολο δεδομένων. Τα αποτελέσματα δείχνουν ότι ακόμη και με ένα πολύ μεγαλύτερο/ευρύτερο σύνολο δεδομένων από όσα έχουν χρησιμοποιηθεί ως τώρα, συγκεκριμένες στοχευμένες υλοποιήσεις νευρωνικών δικτύων μπορεί να είναι αποτελεσματικές στο συγκεκριμένο πρόβλημα.