چکیده: با توجه به اینکه پیش‌بینی و پیش‌آگاهی میزان بارش و آب‌های سطحی در زندگی انسان و در برنامه‌های مدیریتی نقش اساسی و قابل‌توجهی دارد، مطالعه آن در نقاط مختلف ضروری است. همان‌طور که مطالعات پژوهشگران نشان داد سیگنال‌های اقلیمی به‌عنوان متغیر پیش‌بینی کننده در بارش، خشک‌سالی، سیل و ... مورداستفاده قرار می‌گیرند. ازاین‌رو 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 بزرگ‌مقیاس اقلیمی و روش-های هوش محاسباتی می‌باشد. در این مطالعه نقش سیگنال های بزرگ‌مقیاس اقلیمی در میزان بارش و دبی ماهانه حوضه آبریز مادرسو واقع در بالادست سد گلستان برای 3 ایستگاه باران‌سنجی و 3 ایستگاه هیدرومتری مهم در منطقه بررسی شد. در مقیاس ماهانه، حداکثر همبستگی مجموع بارش و میانگین دبی ایستگاه‌های مطالعاتی برای سیگنال های اقلیمی با شاخص Nino 1+2 و برای داده های دمای سطح دریاهای گرینلند، شمال و جنوب خلیج‌فارس، جنوب دریای سرخ و شبکه سوران و با فشار سطح دریا خزر به دست آمد و این بدان معنا است که این شاخص بیش‌ترین تأثیر را بر بارش و دبی ماهانه حوضه ی آبریز مطالعاتی دارد. حداکثر میزان همبستگی شاخص Nino 1+2 با داده های ماهانه ایستگاه باران‌سنجی 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 بیش‌ترین 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 به‌دست‌آمده است. همچنین با انجام بررسی روی داده های فشار سطح دریا نیز بیش‌ترین 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 به‌دست‌آمده 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. بیش‌ترین 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. بیش‌ترین 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 به‌دست‌آمده از طریق P-Value نشان دهنده معنی‌دار 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 به‌عنوان ماه های پربارش و همچنین ماه هشتم سال میلادی به‌عنوان ماهی که سیل های بزرگی مانند سیل های سال 1380 و 1384 در آن رخ‌داده استفاده شد. همچنین با استفاده از روش شبکه های عصبی مصنوعی چندلایه مقادیر بارش و دبی حداکثر ماهانه شبیه سازی شد. این شبکه‌ها دارای یک یا چند ورودی به‌عنوان سیگنال هایی که بیش‌ترین همبستگی را با مقادیر بارش و دبی حداکثر ماهانه در بررسی همبستگی دارا بود و یک خروجی به‌عنوان مدل پیش‌بینی می‌باشد. با استفاده از این نتایج و همچنین شبکه های به‌دست‌آمده 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. به‌عنوان‌مثال، 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