نبود سیستم مدیریت پسماند کارآمد، رشد سریع جمعیت و به تبع آن افزایش روزافزون پسماند ها سبب شده است که پسماند های جامد امروزه به یکی از مهمترین معضلات زیست محیطی تبدیل شوند. یکی از پارامتر های تأثیرگذار در برنامه ریزی، طراحی و اجرای سیستم های مدیریت پسماند، آگاهی از کمیت پسماند تولیدی می باشد. در شرایط کنونی امکان اندازه گیری مستمر میزان پسماند تولیدی در بیشتر مناطق شهری و روستایی، به دلیل نبود امکانات و هزینه های ناشی از آن میسر نمی باشد. برای رفع این مشکل از داده های مربوط به مناطق شهری و روستایی استان فارس در سال 1389 استفاده شد و توانایی سیستم فازی-عصبی (anfis) و شبکه های عصبی مصنوعی (ann) در پیش بینی پسماند این مناطق، بررسی و مقایسه گردید. عواملی مثل جمعیت، کل بارندگی سالانه، حداقل دما، حداکثر دما و ارتفاع از سطح دریا پارامترهایی هستند که در برآورد سرانه پسماند تاثیرگذار هستد. بدین جهت آمار بارندگی، حداقل دما، حداکثر دما و اطلاعات جغرافیایی شهرها و روستاهای استان فارس درسال 1389 جمع آوری و به عنوان ورودی مورد استفاده قرار گرفت و توانایی سیستم فازی-عصبی (anfis) و شبکه های عصبی مصنوعی (ann) در پیش بینی سرانه تولید پسماند، با داده های ورودی مختلف، بررسی شد. نتایج نشان داد که با استفاده از پارامترهای جمعیت، ارتفاع از سطح دریا و تناوب جمع آوری پسماند می توان به یک پیش بینی دقیق تری رسید. با استفاده از این ورودی ها شبکه عصبی مصنوعی (ann)، میزان پسماند تولیدی شهری و روستایی استان فارس را با خطای 7/13 درصد و ضریب همبستگی 86/0 پیش بینی کرد که این مقادیر برای سیستم فازی-عصبی (anfis) به ترتیب برابر 7/19 درصد و 73/0 شد. بنابراین شبکه عصبی مصنوعی (ann) عملکرد بهتری در پیش بینی میزان پسماند تولیدی شهری و روستایی استان فارس دارد.