دمای سطح دریا (sst) یکی از پارامترهای اساسی در اقیانوس¬شناسی و مطالعات علوم جوی است. در این تحقیق با کمک داده¬های ماهواره ای و داده¬های ایستگاه هواشناسی دربازه زمانی سوم مارس 2008 تا هفتم آگوست 2009 دمای سطح ناحیه¬ای از خلیج فارس به روش شبکه عصبی مصنوعی (ann) و رگرسیون بازیابی شده است. در مجموع 406 داده در روز و 409 داده در شب از سنجنده (amsu-b) و ایستگاه جمع¬آوری شده است. از دمای تابشی به عنوان ورودی شبکه عصبی و مدل رگرسیون استفاده شده است. مقایسه خروجی شبکه عصبی و داده میدانی دما نشان می¬دهد که برای داده های روز ریشه میانگین مربعی خطا 858/1 کلوین، بایاس 108/0 کلوین، میانگین مطلق خطا 606/1 کلوین و ضریب همبستگی 931/0 است. برای داده¬های شب، ریشه میانگین مربعی خطا 083/2 کلوین، بایاس 621/0 کلوین، میانگین مطلق خطا 821/1 کلوین و ضریب همبستگی 910/0 به دست آمد. در روش رگرسیون این پارامترهای خطا در شب و روز نسبت به شبکه عصبی بزرگ ترند. بنابراین کارایی روش شبکه عصبی در برآورد دمای سطح آب نسبت به رگرسیون بیشتر است. انتظار داریم که شبکه عصبی طراحی شده برای برآورد سایر نقاط خلیج فارس نیز کارساز باشد که البته برای حصول اطمینان از این پیش¬بینی، باید خروجی شبکه عصبی با کمک داده¬های میدانی آن مناطق صحت- سنجی شوند. متأسفانه داده¬های میدانی در خلیج فارس بسیار پراکنده و محدود می¬باشند.