تحقیق بر روی اثرات هیدرولوژیکی تغییرات آب و هوایی در مقیاس محلی نیاز به تکنیک های ریز مقیاس نمایی دارد. ریز مقیاس نمایی آماری رابطه ای بین پارامترهای بزرگ مقیاس اقلیمی و متغیرهای محلی مانند بارندگی و دما برقرار می کند و سپس تغییرات اقلیمی با استفاده از خروجی مدلهای جهانی اقلیم (gcms) پیش بینی می شوند. مدلسازی تغییرات اقلیمی معمولاً بر اساس روش های خطی و غیرخطی انجام می پذیرد. به دلیل وجود عدم قطعیت در تکنیک های مدل سازی و همچنین داده های مورد استفاده، پیش بینی تغییرات اقلیمی می بایست با استفاده از روش ها و داده های مختلف انجام شود. بدین منظور استفاده از الگوریتم های تکاملی هوشمند می تواند به عنوان یک ابزار دقیق برای مدلسازی و پیش بینی سیستم های مختلف، بدون استفاده از روابط پیچیده به کار رود. در این تحقیق با استفاده از الگوریتم برنامه ریزی ژنتیک (gp)، به مدلسازی اقلیمی در ایران پرداخته شده است. بدین منظور از خروجی نسل سوم مدل های جهانی اقلیم (cgcm3) تحت سناریو انتشار a2 در دوره ی (1990-1961) برای مدلسازی استفاده شده و نتایج به دست آمده با داده های مشاهداتی دما و بارش برای ایستگاه های هواشناسی gcos در ایران مقایسه شده است. مدلسازی با استفاده از دو مدل gp و asd، انجام شده و خروجی آنها باهم مقایسه شده است. مقایسه بین asd و gp در دو دوره کالیبراسیون (1975-1961) و ارزیابی (1990-1976) صورت گرفته است. برای ارزیابی مدل ها از مقدار واریانس توضیح داده شده مدل ها و جذر میانگین مجموع مربعات خطا برای شاخص های آماری و اقلیمی استفاده شده است. پیش بینی اقلیمی برای بارش و دمای ماکزیمم، مینیمم و میانگین روزانه برای دوره های 2040-2011، 2070-2041 و2100-2071 صورت گرفت. در تمامی ایستگاه ها، افزایش دمایی بین 10/2 تا 30/4 درجه سانتی گراد برای دمای ماکزیمم، 50/0 تا 2 درجه سانتی گراد برای دمای مینیمم (بجز ایستگاه شیراز که با کاهش 12/0 و 07/0 درجه سانتی گراد برای دمای مینیمم در دو دوره اول نسبت به دوره 1990-1961 مواجه هستیم) و 25/1 تا 45/3 درجه سانتی گراد برای دمای میانگین پیش بینی می شود. ولی رفتار بارش در ایستگاه های مختلف متفاوت است؛ در بعضی ایستگاه های مانند تهران و کرمان پیش بینی می شود با افزایش بارندگی مواجه شویم و در بقیه ایستگاه ها، کاهش بارش را خواهیم داشت.