چکیده بارندگی در مدیریت منابع آب نقش اساسی دارد و شبیه سازی این متغیر هیدرولوژیکی و برآورد میزان آن در هر مقیاس زمانی برای هر منطقه، به عنوان یکی از مهمترین پارامترهای جوی، گامی بسیار مهم در راستای برنامه ریزی بهتر منابع آب و کشاورزی خواهد بود. یکی از کارهای معمول برنامه ریزی منابع آب، شبیه سازی یا ساختن مدلی از برخی متغیرهای هیدرولوژیکی مانند بارندگی است. در این تحقیق سعی شده است تا با استفاده از مدل های سری زمانی و رگرسیون خطی و غیر خطی چندگانه و شبکه های عصبی مصنوعی، بارندگی ایستگاه سنندج، در دوره 47 ساله، شبیه سازی شود. از نرم افزار spss16 برای مدل سازی رگرسیون و سری زمانی و نرم افزار neurosolutions.v5.05برای مدل سازی شبکه عصبی مصنوعی استفاده شد. داده ها شامل میزان بارش، رطوبت، دما و فشار هوا و سرعت باد در ایستگاه از سال 1343 تا1390 می باشد. برای شبکه های عصبی مدل rbfبا دولایه مخفی، برای سری زمانی مدل armax و برای رگرسیون، مدلها قابل قبول نبودند. در نهایت نشان داده شد که با توجه به معیارهای گرافیکی و عددی، مدل شبکه های عصبی مصنوعی از کارایی بهتری نسبت به مدل های سری زمانی برخوردار است و از رگرسیون نمی توان برای مدل سازی استفاده کرد.