توسعه یک مدل پیش‌بینی هیدرولوژیکی بر اساس اطلاعات ثبت شده‌ی گذشته، به منظور مدیریت و برنامه‌ریزی موثر مخازن آبی، وابسته به پیش‌بینی و درک صحیح از سری‌های زمانی تاثیر گذار در منابع آب است. در سال‌های اخیر یکی از موضوعات رو به رشد در این زمینه، استفاده از روش‌های هوش مصنوعی در مدل‌سازی، پیش‌بینی و بازیابی اطلاعات هیدرولوژیکی است. در این مقاله به مقایسه روش‌های هوش مصنوعی در پیش‌بینی و بازیابی سری‌های زمانی روزانه‌ی دمای حداقل و حداکثر و بارش در ایستگاه سد تنگاب پرداخته شده است. در این مطالعه هم از خود سری‌ها (استفاده از تاخیر در سری‌ها) و هم از ایستگاه‌های مجاور، به منظور بازیابی و پیش‌بینی اطلاعات، استفاده شده است. روش‌های MLP (پرسپترون چند لایه)، RBF (توابع شعاعی پایه)، SVM (ماشین‌های بردار پشتیبان)، روش منطق فازی (FIS) و روش ANFIS (سیستم استنتاج عصبی- فازی)، مورد بررسی قرار گرفته‌اند. به منظور ارزیابی و سنجش عملکرد این مدل‌ها از میانگین توان دوم خطا (MSE)، ضریب همبستگی (R)، واریانس و انحراف معیار داده‌های حاصل، و همچنین نمودارهای گرافیکی استفاده شده است. نتایج نشان دهنده عدم کارایی مدل‌ها در پیش بینی بارش است ولی به منظور بازیابی بارش و پیش‌بینی دما می‌توان از این روش‌ها استفاده کرد.