با توجه به اینکه انرژی برق به عنوان یک کالای نهایی مصرفی و نهاده تولیدی نقش حیاتی در توسعه جوامع دارد، آگاهی از میزان مصرف برق در هر دوره برای اعمال سیاست گذاری ها و برنامه های توسعه ای حائز اهمیت است. اکثر سری های زمانی در دنیای واقعی دارای رفتار غیرخطی هستند، در واقع روش های پیش بینی خطی (مانند arima) قادر به توضیح و تعیین رفتار غیرخطی این سری های زمانی نیستند. از این رو استفاده از روش های غیرخطی به منظور توضیح این رفتار غیرخطی و کاهش خطا پیش بینی الزامی است. در این پژوهش ابتدا با استفاده از آزمون های اقتصادسنجی به بررسی وجود رفتار غیرخطی در مصرف کل سالانه برق در ایران پرداخته شده است که نتایج آزمون تصریح خطای رگرسیون حاکی از وجود رفتار غیرخطی در مصرف سالانه برق است، سپس با استفاده از روش های غیرخطی مانند شبکه عصبی مصنوعی پس انتشار خطا و شبکه عصبی با تابع پایه شعاعی و مدل خودرگرسیون هموارساز به پیش بینی مصرف برق پرداخته شد. در نهایت دقت پیش بینی روش های غیرخطی با روش های خطی مانند روش باکس- جنکینز مقایسه گردید. نتایج حاکی از دقت پیش بینی بیشتر روش های غیرخطی در بازه زمانی مورد مطالعه 1350 تا 1388 است.