بارش مهم ترین و موثرترین منبع تامین آب می باشد که برآورد و پیش بینی آن نه تنها در برنامه-ریزی و بهره برداری صحیح از منابع آب با اهمیت است، بلکه می تواند در کاهش خسارات ناشی از سیلاب و خشکسالی نیز نقش موثری را ایفا کند. با وجود روابط غیرخطی، عدم قطعیت و عدم صراحت زیاد و ویژگی های متغیر زمانی و مکانی در سیستم گردش آبی، هیچ یک از مد ل های آماری و مفهومی پیشنهاد شده به منظور الگوسازی دقیق بارش و رواناب نتوانسته اند به عنوان یک مدل برتر و توانا شناخته شوند. یکی از روش هایی که در سال های اخیر در زمینه هیدرولوژی مورد توجه قرار گرفته است، استفاده از موجک (wavelet) به عنوان یکی از روش های نوین و بسیار موثر در زمینه آنالیز سیگنال ها و سری های زمانی است. در این تحقیق، سیگنال بارندگی با استفاده از موجک مادر منتخب تجزیه شده و داده های حاصل از تجزیه با دو روش برازش معادلات مستقیم و هیبرید عصبی- موجکی برای پیش بینی استفاده شدند. روش های مذکور در مورد پیش بینی بارندگی ماهانه در ایستگاه زرینگل استان گلستان به کار گرفته شد و نتایج حاصل از آن با سری زمانی sarima مقایسه شد. نتایج نشان داد که تجزیه سیگنال با موجک، همبستگی میان داده های مشاهداتی و محاسباتی را نسبت به روش های سری های زمانی به طور قابل ملاحظه ای افزایش می دهد و پیش بینی سیگنال بارندگی با دقت بیشتری صورت می گیرد. معنی دار نبودن آزمون تست fدر سطح %90 و بالاتر، تایید کننده این مطلب است.