تبخیر-تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در این تحقیق پتانسیل سیستم استنتاج تطبیقی عصبی-فازی (anfis) و شبکه عصبی مصنوعی (ann) در برآورد تبخیر-تعرق مرجع(eto) روزانه مورد بررسی قرار گرفت. از داده های روزانه هواشناسی نه ایستگاه واقع در سه اقلیم متفاوت (مرطوب، خشک و نیمه خشک و بسیار خشک) شامل ساعات آفتابی، دمای هوا، رطوبت نسبی و سرعت باد به عنوان ورودی و تبخیر-تعرق مرجع محاسبه شده با روش فائو پنمن-مانتیث به عنوان خروجی روش های ann و anfis استفاده شد. برآوردهای eto از روش های ann و anfis با مدل های تجربی ماکینک، تورک، هارگریوز-سامانی، فائو بلانی کریدل و ریچی مقایسه شد. مدل های تجربی با استفاده از روش فائو پنمن-مانتیث تصحیح شدند. کارائی روش های مورد مقایسه، با استفاده از آماره های ریشه میانگین مجذور خطا (rmse)، خطای انحراف میانگین (mbe) و ضریب تعیین (r2)، مورد ارزیابی قرار گرفت. روش های ann و anfis توانستند با موفقیت تبخیر-تعرق مرجع روزانه را برآورد کنند. مدل anfis85 تنها با سه پارامتر ورودی شامل تشعشع خورشیدی، دمای حداکثر هوا و سرعت باد نسبت به تمامی روش های تجربی مورد استفاده و حتی روش های تجربی تصحیح شده از دقت بالاتری برخوردار است. تشعشع خورشیدی (rs) به عنوان موثرین پارامتر در برآورد تبخیر-تعرق مرجع شناخته شد.