در این تحقیق به منظور شناسایی تغییرات زمانی و مکانی مشخصه های دمایی (مقادیر بیشینه، کمینه، متوسط و دامنه شبانه روزی دما (dtr) ناحیه غربی کشور، از آمار و اطلاعات 46 ساله (2006-1961) هفده ایستگاه سینوپتیک منطقه در دو مقیاس زمانی فصلی و سالانه استفاده گردید. در این خصوص ابتدا، تجزیه و تحلیل روند سری های زمانی مذکور با استفاده از آزمون های من-کندال (آماری و گرافیکی)، تخمین گر سن و رگرسیون خطی صورت گرفت. سپس، جهت آشکارسازی تغییرات معنی دار در اقلیم منطقه، مقادیر میانگین داده های مربوطه در سه بازه زمانی 46، 30 (1990-1961) و 16 (2006-1991) ساله مورد مقایسه قرار گرفتند. همچنین ماتریس همبستگی ناهنجاری های دمایی منطقه، جهانی و نیمکره شمالی، محاسبه گردید و بهترین رابطه (خطی و غیرخطی) بین مقادیر دمای متوسط ایستگاه های منطقه و ناهنجاری های دمایی مذکور بررسی شد. نهایتاً، با در نظر گرفتن سه عامل ناهنجاری های دمایی نیمکره شمالی، شاخص نوسان جنوبی و نوسانات اطلس شمالی به عنوان ورودی، مقادیر دمای متوسط هر یک از ایستگاه ها با استفاده از شبکه عصبی برآورد گردید. نتایج تحلیل روند نشان دهنده رفتار یکسان سه آزمون در تشخیص نوع روند بود. مقادیر دما بیشینه، کمینه و متوسط (بجزء خرم آباد) روند افزایشی داشت که بیش ترین شیب در فصول بهار و تابستان مشاهده شد. در حالی که روندdtr ، در بیش از 65 درصد از ایستگاه ها، کاهشی بود. همچنین بیش ترین تغییرات در اقلیم خشک مشاهده شد. بر اساس نتایج آزمون گرافیکی من-کندال، دمای بیشینه بیش ترین تغییرات ناگهانی را داشت که این تغییرات عموماً در فصل تابستان مشاهده گردید. از طرفی اغلب تغییرات دمای کمینه از نوع روند بود. نتایج مقایسه میانگین سه بازه زمانی مورد بررسی، بیانگر بیش ترین و کم ترین تفاوت آنها به ترتیب در دماهای کمینه و بیشینه می باشد. میزان موارد اختلاف بین بازه 16 و بازه های 30 (دوره نرمال) و 46 ساله به ترتیب معادل 85 و 60 درصد بوده در حالی که بیش ترین شدت اختلاف ها بین دو بازه 16 و 30 ساله مشاهده گردید. بر اساس ماتریس همبستگی ناهنجاری های دمایی منطقه و ناهنجاری های دمایی جهانی و نیمکره شمالی، بیش ترین و کم ترین همبستگی معنی دار به ترتیب در فصول گرم و سرد مشاهده شد. همچنین درصد ایستگاه ها و میزان همبستگی نوسانات دمایی منطقه با نوسانات دمایی نیمکره شمالی در مقایسه با نوسانات دمایی کره زمین بیشتر بود. از چهار پارامتر مورد مطالعه، نوسانات دمای کمینه و dtr به ترتیب بیش ترین و کم ترین همبستگی ها را به خود اختصاص دادند. بهترین معادلات بیان کننده تغییرات دمایی ایستگاه های منطقه بر اساس نوسانات دمایی جهانی و نیمکره شمالی، معادلات خطی و رشد نمایی تعیین شدند بر اساس نتایج شبکه عصبی مصنوعی در برآورد مقادیر دمایی ایستگاه های منطقه، بهترین شبکه برای تمامی ایستگاه ها با مدل پرسپترون چند لایه و تابع فعالیت مومنتم و قانون یادگیری تانژانت هایپربولیک می باشد.