فرایند داده کاوی با استفاده از تکنیک های گوناگون اطلاعات مفید را از داده ها بیرون می کشد. یکی از کاربردهای مهم داده کاوی، پیش بینی می باشد که تکنیک های مختلفی از قبیل رگرسیون، درخت تصمیم و شبکه عصبی برای انجام این کار وجود دارد. رگرسیون روشی است که به طور گسترده برای پیش بینی عددی مورد استفاده قرار می گیرد. در حقیقت رگرسیون با پیش بینی عددی مترادف است. درخت تصمیم یکی از ابزارهای رایج در داده کاوی می باشد که برای دسته بندی و پیش بینی استفاده می شود. شبکه عصبی از ابزارهای قدرتمند داده کاوی به شمار می رود که از طریق تحلیل نمونه های مختلف ، به یادگیری می پردازد. در این پایان نامه با استفاده از روش های داده کاوی، میزان مصرف آب تحلیل و پیش بینی می شود. مجموعه داده هایی که برای این کار جمع آوری شد مربوط به استان مازندران(شهرستان ساری) می باشد که از سالهای 1391 تا 1392 توسط اداره آب وفاضلاب و سایت هواشناسی جمع آوری شده است. این داده ها شامل متغیرهای مستقلی از جمله حداقل دمای هوا، میانگین دمای هوا، حداکثر دمای هوا ، فشار هوا ، سرعت باد ،رطوبت و میزان بارندگی می باشد و همچنین شامل متغیر هدف به نام میزان مصرف آب می باشد که شامل مصرف خانگی است که این داده ها به صورت روزانه می باشند. هدف از این پایان نامه، تحلیل میزان مصرف آب در روز های گذشته و پیش بینی مصرف در آینده می باشد. تحلیل ها نشان می دهد که مصرف آب خانگی بخش زیادی از مصرف کل را در بر دارد. برای ساخت مدل در این پایان نامه از نرم افزار رپیدمایر استفاده شده است. از روش های پیش بینی موجود در این نرم افزار، بهترین مدل بر اساس شاخص های rmse ، mae و درصد خطای نسبی مربوط به مدل شبکه عصبی بوده است.