استان خراسان یکی ازاستانهای مهم ایران در تولید محصولات کشاورزی است. پیش بینی عملکرد محصولات با استفاده از داده های موجود تاثیرات مهمی در مسایل اجتماعی- اقتصادی و تصمیم گیریهای سیاسی در مقیاس منطقه ای دارد. این مقاله توانایی تکنولوژی شبکه عصبی مصنوعی (ANN) و سیستم استنتاج فازی (ANFIS) را برای پیش بینی عملکرد گندم دیم (Triticum aestivum) بر اساس اطلاعات روزانه هواشناسی و داده های سالانه کشاورزی نشان می دهد. استان خراسان در شمال شرق ایران واقع شده و دارای اقلبم های متفاوتی است. داده های هواشناسی مورد استفاده شامل دادهای 22 ساله 9 ایستگاه سینوپتیک استان و شامل تبخیر-تعرق، دما (حداکثر، حداقل و نقطه شبنم)، میانگین رطوبت نسبی، تشعشعات و بارندگی می باشد. پتانسیل مدل چند لایه پرسپترن (MLP) شبکه عصبی، برای پیش بینی محصول ارزیابی شد. مدل های ANFIS و MLP با استفاده از شاخص های آماری مقایسه شدند. بر اساس نتایج حاصله، در مدل ANFIS هنگامی که از داده های دمایی (حداکثر، حداقل و نقطه شبنم) به عنوان متغیرهای مستقل برای پیش بینی گندم دیم استفاده می شود (R2=0.67, RMSE=151.9 kg ha-1, MAE=130.7 kg ha-1)، بیشترین کارایی حاصل می گردد.