پدیده بارش تابع عوامل زیادی می باشد که پیش بینی آن به روش های معمول آماری از دقت کمی برخوردار است. پیش بینی بارش با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی در سال های اخیر، توجه زیادی معطوف شده است. استان کردستان با مساحتی حدود 28203 کیلومتر مربع بین 34 درجه و 45 دقیقه تا 36 درجه و 28 دقیقه عرض شمالی و 42 درجه و 31 دقیقه تا 48 درجه و 16 دقیقه طول شرقی به دلیل ریزش جوی زیاد یکی از پرآب ترین استان های کشور به شمار می رود. در این پژوهش کارایی مدل شبکه عصبی مصنوعی و سیستم استنتاج فازی براساس داده های ماهانه دوره آماری موجود که 70 درصد برای آموزش و 30 درصد آن برای آزمایش از مدل شبکه عصبی پرسپترون چند لایه با تابع محرک تاتژانت سیگموئید و الگوریتم لورنبرگ-مارکوات استفاده شده است. در ادامه با توجه به معیارهای آماری ضریب همبستگی و ضریب ناش بین داده های مشاهداتی و پیش بینی شده بطور مقایسه ای مورد ارزیابی قرار گرفته است که رطوبت نسبی و دما در تمامی ایستگاه ها بیشترین تأثیر را داشته است. یافته ها بیانگر عملکرد بالاتر شبکه عصبی مصنوعی نسبت به سیستم استنتاج فازی در پیش بینی بارش استان می باشد.