در این مطالعه با استفاده از داده های دما حداقل روزانه در دوره آماری 21 ساله به پیش بینی یخبندان های استان کرمانشاه با استفاده از شبکه های عصبی پرداخته شده است. داده های مورد استفاده از طریق تابعی یک به یک و پوشا به منظور تعیین معیاری جهت پیش بینی یخبندان به مقادیر بین صفر و یک تبدیل شده و از شبکه تغزیه پیشرفتی با یک لایه میانی مخفی با تعداد نورون های متغیر برای هر یک از ایستگاه ها به پیش بینی و بالاخره تعیین بازه های یخبندان پرداخته شد. الگوریتم مورد استفاده در این پژوهش، پس انتشار با روش آموزش دسته ای و توابع انتقال satlins، logsig و satlin بوده است. تعیین بازه های یخبندان و بدون یخبندان در هر یک از ایستگاه های سینوپتیک و پیش بینی یخبندان های زودرس و دیررس از نتایج این مطالعه بوده و شبکه طراحی شده بین 22.72 تا 55.88 درصد برای هر ایستگاه همگرایی داشته است. نتایج نشان می دهد با توجه به محدودیت داده ها، شبکه های عصبی mlp توانایی مطلوبی در پیش بینی و تخمین یخبندان ها دارد.