---

پیش‌بینی مؤلفه‌های باد از جمله سرعت باد یکی از عوامل مهم به خصوص در بحث تبخیر در یک حوزه آبخیز محسوب می‌گردد. در این مقاله سعی گردید، جهت افزایش کارایی مدل‌های هوش مصنوعی، در پیش‌بینی سرعت باد، دو مدل شبکه عصبی و فازی-عصبی با تئوری موجک ترکیب شده و دو مدل هیبرید جدید ارائه گردید. در این تحقیق با استفاده از برخی پارامتر‌های اقلیمی ایستگاه همدیدی یزد از جمله سرعت باد، دمای متوسط، دمای بیشینه، رطوبت نسبی و تبخیر، سرعت باد در مقیاس ماهانه برآورد گردید و سپس کارایی دو مدل‌های هیبرید شبکه عصبی موجکی و شبکه فازی-عصبی موجکی با مدل‌های شبکه عصبی و فازی-عصبی در پیش‌بینی سرعت باد ۱۲ ماه آینده مورد مقایسه قرار گرفت. در نهایت جهت تائید کارایی بهترین مدل، با استفاده از پارامتر‌های اقلیمی موثر سال ۱۳۸۳ سرعت باد در سال ۱۳۸۴ پیش‌بینی گردید. نتایج بدست آمده در مرحله ارزیابی مدل‌ها، تفاوت قابل ملاحظه عملکرد بهتر شبکه‌های عصبی موجکی و فازی-عصبی موجکی را نسبت به مدل‌های شبکه عصبی و فازی-عصبی نشان دادند. شایان ذکر است در مرحله ارزیابی، کارایی بالای شبکه های فازی-عصبی موجکی، برتری این مدل را نسبت به سایر مدل ها به اثبات رسانید.