مدل سازی و پیش بینی سری های زمانی یک مسئله بسیار مهم در چند دهه اخیر بوده و کاربرد وسیعی در زمینه های مختلف علوم و مهندسی از جمله هیدرولوژی دارد. در این راستا تخمین پارامترهای مدل های مختلف سری های زمانی یکی از مراحل اساسی در مدل سازی سری های زمانی است. روش های ارائه شده در این زمینه از جمله روش گشتاورها، دارای روابطی پیچیده و تقریبی به خصوص در مدل های چندمتغیره زمانی و مکانی می باشندکه مستلزم صرف وقت زیاد و بررسی روابط مختلف برای هر مدل می باشد. در این تحقیق با استفاده از سیستم های استنتاج فازی بر پایه شبکه عصبی تطبیقی، روشی جدید و موثر جهت تخمین پارامترهای مدل های مختلف سری های زمانی تک متغیره و چند متغیره ارائه شده است. جهت بررسی کارآیی این روش از داده های هیدرولوژیکی حوضه آبریز سد زاینده رود استفاده شده و پارامترهای مدل های مختلف سری های زمانی تخمین زده شده است. همچنین مدل هایی که پارامترهای آن ها از روش گشتاورها حاصل شده است، تشکیل شده اند. سپس پیش بینی سری های زمانی با استفاده از این مدل ها انجام شده است. جهت بررسی بهتر، پیش بینی ها با سیستم استنتاج فازی بر پایه شبکه عصبی تطبیقی و شبکه پرسپترون چندلایه نیز انجام شده است و نتایج حاصل با نتایج قبلی مقایسه شده اند. جهت مقایسه نتایج، از معیار میانگین قدرمطلق تفاوت(mae) استفاده شده است. نتایج شبیه سازی ها نشان می دهد روش ارائه شده از کارآیی بالایی برخوردار می باشد و می توان از آن به عنوان مدلی هوشمند جهت مدل سازی سری های زمانی تک متغیره و چندمتغیره استفاده نمود.