همان طور که مطالعات پژوهشگران نشان داد سیگنال های اقلیمی به عنوان متغیر پیش بینی کننده در بارش، خشک سالی، سیل و ... مورداستفاده قرار می گیرند. ازاین رو هدف اصلی این پژوهش بررسی میزان تأثیر سیگنال¬های بزرگ¬مقیاس اقلیمی بر بارش و دبی حوضه آبریز مطالعاتی و درنهایت ارائه مدل پیش¬بینی بارش و دبی با استفاده از سیگنال¬های بزرگ مقیاس اقلیمی و روش-های هوش محاسباتی می باشد. در این مطالعه نقش سیگنال¬های بزرگ مقیاس اقلیمی در میزان بارش و دبی ماهانه حوضه آبریز مادرسو واقع در بالادست سد گلستان برای 3 ایستگاه باران سنجی و 3 ایستگاه هیدرومتری مهم در منطقه بررسی شد. در مقیاس ماهانه، حداکثر همبستگی مجموع بارش و میانگین دبی ایستگاه های مطالعاتی برای سیگنال¬های اقلیمی با شاخص nino 1+2 و برای داده¬های دمای سطح دریاهای گرینلند، شمال و جنوب خلیج فارس، جنوب دریای سرخ و شبکه سوران و با فشار سطح دریا خزر به دست آمد و این بدان معنا است که این شاخص بیش ترین تأثیر را بر بارش و دبی ماهانه حوضه¬ی آبریز مطالعاتی دارد. حداکثر میزان همبستگی شاخص nino 1+2 با داده¬های ماهانه ایستگاه باران سنجی و هیدرومتری گالیکش به ترتیب 40/0 و 51/0 با تأخیر 11 و 13 ماه می¬باشد. با انجام تحلیل¬ روی داده¬های دمای سطح دریا نیز بیش ترین ضریب همبستگی برای داده¬های بارش 455/0، 478/0 و 44/0 با تأخیرهای 6 و 3 و 9 ماهه و برای داده¬های دبی نیز 442/0، 576/0 و 552/0 با تأخیرهای 2 و 7 و 15 ماهه به دست آمده است. همچنین با انجام بررسی روی داده¬های فشار سطح دریا نیز بیش ترین ضریب همبستگی برای بارش و 425/0 با تأخیرهای 7 و 9 و 9 ماهه و برای داده¬های دبی نیز 594/0، 433/0، 61/0 با تأخیر 9 ماهه به دست آمده است. در کل ارتباط قوی میان بارش ایستگاه¬های تنگراه و تمر با slp دریای خزر و گالیکش با sst دریای خزر و دبی ایستگاه¬های تنگراه و گالیکش و slp دریای خزر و ایستگاه تمر با sst منطقه گرینلند وجود دارد. بیش ترین میزان همبستگی حداکثر بارش ماهانه ایستگاه تنگراه در ماه می برابر با 641/0 با sst شرق مدیترانه با تأخیر 7 ماه، برای ایستگاه تمر در ماه اکتبر برابر با 537/0 با slp غرب دریای مدیترانه با تأخیر 11 ماهه و برای ایستگاه گالیکش در ماه اوت برابر با 495/0 با slp اقیانوس اطلس با تأخیر 4 ماهه به دست آمد. بیش ترین میزان همبستگی دبی ایستگاه¬های تنگراه، تمر و گالیکش با ماه آوریل به ترتیب برابر با 937/0، 782/0 و 926/0 با تأخیر 8 ماهه و با slp خلیج عدن به دست آمد. همچنین بررسی معنی¬داری این ضرایب به دست آمده از طریق p-value نشان¬دهنده معنی دار بودن همه¬ی این ضرایب می¬باشد. در مرحله پیش¬بینی از هرکدام از این سیگنال¬ها برای پیش¬بینی بارش و دبی حداکثر ماهانه در ماه¬های دوم، سوم و چهارم میلادی سال به عنوان ماه¬های پربارش و همچنین ماه هشتم سال میلادی به عنوان ماهی که سیل¬های بزرگی مانند سیل¬های سال 1380 و 1384 در آن رخ داده استفاده شد. همچنین با استفاده از روش شبکه¬های عصبی مصنوعی چندلایه مقادیر بارش و دبی حداکثر ماهانه شبیه¬سازی شد. این شبکه ها دارای یک یا چند ورودی به عنوان سیگنال¬هایی که بیش ترین همبستگی را با مقادیر بارش و دبی حداکثر ماهانه در بررسی همبستگی دارا بود و یک خروجی به عنوان مدل پیش بینی می باشد. با استفاده از این نتایج و همچنین شبکه¬های به دست آمده از هر سری زمانی در ماه¬های مختلف می¬توان وقایع حدی بارش ودبی در ماه¬های فوریه، مارس، آوریل و اوت را با دقت نسبتاً خوبی پیش¬بینی کرد. به عنوان مثال، شاخص¬های عملکرد ازجمله ریشه میانگین مربعات خطا، ضریب همبستگی و ضریب ناش- ساتکلیف برای حداکثر برای بارش ایستگاه باران¬سنجی تنگراه 067/0، 95/0 و 945/0 در ماه اوت و دبی ماهانه برای ایستگاه هیدرومتری تمر 078/0، 989/0 و 958/0 در ماه اوت، برای دوره آزمون به دست آمد. در نهایت شبکه¬های عصبی ذخیره شده برای پیش¬بینی بارش و دبی سیلاب مرداد اخیر 1393 مورد استفاده قرار گرفته و نتایج قابل¬قبولی به دست آمد.