وقوع بارش های رگباری حاصل شرایط سینوپتیکی و محیطی است. در این پژوهش به منظور پیش بینی بارش های رگباری شهر تبریز، از داده¬های روزانه 33 سال (1980تا2013) این شهر، شبکه¬های عصبی مصنوعی و نقشه¬های سینوپتیکی استفاده شده است. نتایج نشان می¬دهند که در منطقه مورد مطالعه در بیشتر موارد، اوج بارش¬های رگباری به ترتیب در ماه¬های اردیبهشت، فروردین و خرداد رخ می¬دهند. فصل بهار نیز هم از لحاظ بارش کل و هم بارش رگباری، پربارش¬ترین فصل سال محسوب می¬شود. همچنین علت وقوع بارش¬های رگباری در فصول مختلف متفاوت است. اکثر بارش¬های رگباری در فصل گرم در نتیجه¬ی ناپایداری¬ محلی و در فصل سرد در نتیجه نفوذ جبهه سرد به منطقه اتفاق می¬افتند. در این پژوهش برای پیش¬بینی بارش رگباری به دلیل غیر خطی بودن آن از شبکه¬های عصبی مصنوعی استفاده شده است. در این مطالعه با استفاده از داده¬های بارش رگباری، دما، رطوبت و سرعت باد پیش¬بینی بارش رگباری انجام شده است. با استفاده از شبکه¬های عصبی مصنوعی با مدل mlp و یک لایه پنهان پیش-بینی صورت گرفته است، که داده¬های بارش رگباری پیش¬بینی شده با چنین ساختاری ، بیشتر با واقعیت انطباق دارد. ضریب همبستگی بین مقادیر واقعی و پیش¬بینی شده بارش رگباری توسط این مدل برابر 0/90 و ضریب تبیین برابر 0/79می¬باشد. به طور کلی نتایج بدست آمده حاکی از عملکرد مطلوب شبکه-های عصبی مصنوعی در پیش¬بینی بارش رگباری می¬باشد. در کل مقایسه نتایج میزان خطا در روش شبکه¬های عصبی با روش¬های رگرسیون حاکی از برتری مدل شبکه¬های عصبی مصنوعی در پیش¬بینی بارش رگباری می¬باشد. نتایج این پژوهش می¬توانند برای مقاصد مهمی از جمله مدیریت منابع آب، تامین آب برای فعالیت های کشاورزی و صنعتی، مصارف جوامع انسانی، مشخص کردن زمان وقوع سیلاب ها و جلوگیری از خسارات شدید کارایی داشته باشند.