بارش یکی از مهم ترین عوامل مورد استفاده در مطالعات منابع طبیعی و منابع آب می باشد. با توجه به نوسان ها و بی نظمی های موجود در سری زمانی بارش، پیش بینی پذیری و شناخت عوامل تأثیرگذار بر فرآیند بارش دارای اهمیت است. با وجود روابط غیرخطی، عدم قطعیت و عدم صراحت زیاد و ویژگی های متغیر زمانی و مکانی در سیستم گردش آبی، هیچ یک از مدل های آماری و مفهومی پیشنهاد شده به منظور الگوسازی دقیق بارش نتوانسته اند به عنوان یک مدل برتر و توانا شناخته شوند. یکی از روش هایی که در سال های اخیر در زمینه هیدرولوژی مورد توجه قرار گرفته است، استفاده از مدل های جعبه سیاه است. در این تحقیق از هوش مصنوعی با استفاده از دو روش سیستم استنتاج عصبی- فازی (anfis) و ماشین بردار پشتیبان (svm) جهت پیش بینی بارندگی استفاده گردید. برای هر روش ذکر شده دو ورودی متفاوت شامل 1- مقادیر ماهانه دما، فشار، سرعت باد، رطوبت نسبی در ایستگاه سینوپتیک گنبدکاووس و 2- مقادیر ماهانه بارش ایستگاه های هیدرومتری ارازکوسه، بهلکه، آق قلا و تمر به منظور پیش بینی بارندگی ماهانه ایستگاه گنبدکاووس استفاده گردید. در بین ساختارهای مختلف سیستم استنباط فازی- عصبی تطبیقی تابع عضویت گوسی نوع دو با خروجی خطی و دو تابع برای هر ورودی با استفاده از ترکیب ورودی 2، عملکرد بهتری نسبت به سایر ساختارها داشته است. در این ساختار مقادیر r2 و rmse به ترتیب 87/0، 06/7 است. از طرفی ماشین بردار پشتیبان نیز با ترکیب ورودی 2 با مقادیرr2 و rmse به ترتیب 91/0، 59/5 می تواند با دقت بالایی مقدار بارش را پیش بینی نماید. تحلیل نتایج روش های هوش مصنوعی نشان داده که ماشین بردار پشتیبان با ترکیب ورودی 2 توانایی بهتر و دقت بالایی برای پیش بینی بارش داشته است.