برای مدل سازی و پیش یابی پدیده مخاطره ای گرد و غبار در مناطق گردوغبارخیز ایران، نخست داده های گرد و غبار، دما، و رطوبت 28 ایستگاه مناطق درگیر شدید با گرد و غبار در ایران در بازه زمانی 29 ساله (2018-1990) اخذ شد. سپس، با استفاده از مدل های شبکه عصبی ANFIS و RBF در نرم افزار MATLAB مدل سازی ها انجام گرفت. داده های گرد و غبار به دست آمده از پیش بینی با استفاده از مدل تصمیم گیری چندمتغیره TOPSIS و مناطق بیشتر درگیر با پدیده مخاطره ای گرد و غبار برای سال های آتی اولویت سنجی و مشخص شدند. براساس نتایج پژوهش، مقایسه دو مدل شبکه عصبی ANFIS و RBF در بهترین شرایط نشان داد که مقدار RMSE مدل ANFIS برابر با 67 / 11 و مدل RBF برابر با 19 / 2 است. بنابراین، قدرت دقت RBF در پیش بینی گرد و غبار در سال های شبیه سازی شده بیشتر است. براساس نتایج خروجی مدل شبکه عصبی- مصنوعی RBF در پیش بینی گرد و غبار برای سال های آتی ایستگاه های مورد مطالعه؛ در هر دو مقیاس میانگین و حداکثر فراوانی گرد و غبار، ایستگاه های غربی و جنوب غربی منطقه مورد پژوهش بیشتر در معرض گرد و غبار در سال های آینده قرار گرفتند. همچنین، در مدل TOPSIS، ایستگاه های آبادان، مسجد سلیمان، و اهواز به ترتیب با مقدار درصد (1، 95 / 0، و 81 / 0) در معرض گرد و غبار قرار گرفتند.