جریان های سطحی اقیانوسی، نقش مهمی در انتقال گرما و تغییرات آب و هوایی دارد. ازاین رو، پیش بینی جریان های دریایی از اهمیت بسزایی در اقیانوس شناسی برخوردار است. در این پژوهش با به کارگیری شبکه عصبی و تکنیک تبدیل موجک به پیش بینی جریان های سطحی تنگه هرمز پرداخته شده است. بدین منظور داده های ثبت شده این حوزه از نوامبر سال 1992 تا دسامبر سال 2014 با گام زمانی 5 روزه از سایت ناسا تهیه و با به کارگیری تبدیل های موجک به زیر موجک های مادر Rbio، Coif، Bior، dmey، Db، Sym،haar به 10 زیرسری تجزیه و به عنوان ورودی مدل شبکه عصبی به کار گرفته شد. سپس با اجرای مدل شبکه عصبی ضرایب وزنی هر یک از زیر موجک ها تعیین شد. نتایج این بررسی نشان داد که زیر موجک های تولیدشده به وسیله موجک coif (5) کمترین خطا در پیش بینی جریانات سطحی را دارد. به منظور ارزیابی میزان اثربخشی هر یک از این زیر موجک ها و دستیابی به نتایج مطلوب در مراحل آموزش، اعتبارسنجی و آزمایش، شبکه های چندلایه با تعداد نورون مختلف در لایه پنهان استفاده شد که نتایج نشان داد، انتخاب 6 زیر موجک d1, d2, …, d6 با مقدار خطا R=0.891 و RMSE=0.025 در مرحله آزمایش مناسب ترین تعداد را در پیش بینی جریانات سطحی تنگه هرمز دارد.