برآورد دما به عنوان یکی از عناصر مهم اقلیمی در زمینه های مختلف از جمله امور اقتصادی، نظامی و کشاورزی دارای اهمیت فراوان است که از نتایج آن می توان در کنترل بیماری ها، مدیریت منابع آب، مطالعات زیست محیطی، حمل و نقل و غیره استفاده نمود. یکی از روش های برآورد عناصر جوی و اقلیمی شبکه های عصبی مصنوعی است. شبکه های عصبی مصنوعی که به اختصار (anns) نامیده می شوند در واقع یک ابزار ریاضی قدرتمند هستند که با تقلید ساده از سیستم عصبی بیولوژیک ساخته شده اند. قدرت انعطاف و تصحیح پذیری بالایی در انطباق خود با داده های موجود را دارند به طوری که می توانند مجهز به سازماندهی شود که نظم و هماهنگی موجود در داخل این داده ها را پیدا نموده و بر اساس یک سری شواهد (بردارهای ورودی) وقوع و بزرگی یک پدیده را برآورد نماید. شبکه های عصبی با استفاده از مجموعه های ورودی و خروجی، روابط موجود بین آنها را تخمین زده و اصطلاحاً آموزش می بینند. به نحوی که پس از آن به ازای یک عنصر جدید از مجموعه ورودی، خروجی متناظر آن را تخمین می زنند. این پژوهش با هدف برآورد دمای حداکثر شهرستان اردبیل با استفاده از شبکه های عصبی مصنوعی و برتری آن بر مدل های رگرسیونی در دوره آماری (2005- 1985) صورت گرفته است. با توجه به آموزش بلند مدت (18 سال برای آموزش و 3 سال برای برآورد)، شبکه به گونه ای طراحی گردید که با ورود عناصر متوسط ماهانه رطوبت نسبی، سرعت باد، دماهای حداقل و حداکثر و مجموع ساعات آفتابی در یک ماه از سال، دمای حداکثر همان ماه در سال آینده برآورد می گردد. این کار برای سال های 2004 تا 2006 میلادی جهت تعیین میزان خطای مدل صورت گرفت که در مجموع، حداکثر اختلاف دمای حداکثر واقعی با دمای برآورد شده 0/83 درجه سانتیگراد و ضریب همبستگی آن 0/99 بود. این مقدار برای مدل های رگرسیون خطی و غیر خطی چندگانه به ترتیب برابر 0/955 و0/950 به دست آمده است. نتایج حاصل از این بررسی نشان داد که مدل شبکه های عصبی مصنوعی در برآورد دماهای حداکثر شهرستان اردبیل دقت بیشتری نسبت به مدل های رگرسیون خطی و غیر خطی چندگانه دارد.