چکیده در این تحقیق ، داده های مربوط به ناهنجاری های دمایی کره زمین و بارش متوسط سالانه ایستگاه جلفا در طی دوره آماری 2003-1960 استفاده شده است. روش های اصلی به کار گرفته شده در این مطالعه، عبارت از: روش تعیین ضریب همبستگی پیرسون، تحلیل مولفه روند سری های زمانی، رگرسیون خطی ساده و شبکه های عصبی مصنوعی. نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون، نشان دهنده همبستگی منفی و معکوس معنی داری بین بارش سالانه جلفا و ناهنجاری های دمایی کره زمین است. این، بدان معنی است که غالباً با منفی شدن ناهنجاری های دمایی کره زمین بارش سالانه جلفا افزایش یافته، ترسالی به وقوع می پیوندد و برعکس، با مثبت شدن ناهنجاری های دمایی کره زمین، متوسط بارش سالانه جلفا کاهش یافته، خشکسالی به وقوع می پیوندد. تحلیل مؤلفه روند بلند مدت سری های زمانی نشان می دهد که در طول دوره آماری از بارش متوسط سالانه جلفا کاسته می شود، اما روند ناهنجاری های دمایی کره زمین روندی افزایشی دارد. با استفاده از شبکه های عصبی مصنوعی، ارتباط بارش متوسط سالانه جلفا با گرمایش جهانی شبیه سازی شده است. نتایج حاصل از کاربرد روش های مختلف در این مطالعه نشان می دهد که روش شبکه عصبی مصنوعی در مقایسه با روش های رگرسیون خطی ساده روش شبیه سازی بهتر و دقیق تری است. روش های مختلف شبکه های عصبی مصنوعی به کار گرفته شده در این مطالعه نشان داد که روش پرسپترون چند لایه، با چهار لایه مخفی و الگوریتم آموزش پس انتشار، دارای قابلیت بسیار عالی در پیش بینی همبستگی بین سری هاست
