هدف از این تحقیق، پیش بینی وقوع بارش روزانه شهر اصفهان با استفاده از داده های هواشناسی 1 تا 7 روز قبل می باشد. برای این منظور،داده های هواشناسی دوره 2009-2000 با استفاده از مدل های هوشمند بردار پشتیبان، k-نزدیک ترین همسایگی، شبکه عصبی مصنوعی و درخت تصمیم بررسیگردید. نتایج نشان داد که در هر چهار روش، دقت پیش بینی بهترین سناریوها با استفاده از داده های 6 و 7 روز قبل، کمتر از 75 درصد بود، اما با استفاده از داده های روزهای 1 تا 5 روز قبل، بارش روزانه با دقت بیش از 80 درصد پیش بینی شد. عملکرد روش درخت تصمیم بهتر از سه روش دیگر بود و به علت ارائه درخت تصمیم گیری، نتایج سناریوهای 1 تا 5 روز قبل این روش ارائه شد. نتایج سناریوها با استفاده از داده های 1 تا 3 روز قبل نشان داد که رطوبت نسبی هوا مناسب ترین پارامتر برای پیش بینی وقوع بارش روزانه است، اما در شرایط استفاده از داده های 4 و 5 روز قبل، دمای هوا مناسب ترین پارامتر برای انجام پیش بینی بود. در نهایت عملکرد بهترین سناریوها با استفاده از داده های دوره 2016-2010 صحت سنجی گردید. بهترین نتایج در بخش صحت سنجی به ترتیب مربوط به سناریوی 1 روز قبل(با پارامتر حداقل رطوبت نسبی) و سناریوی 4 روز قبل(با پارامتر دمای حداکثر) بود. پرونده مقاله