تاثیر تغییرات بارندگی بر منابع آب، تولیدات کشاورزی نیاز به روش کارآمدی جهت پیشبینی بارندگی را آشکار میسازد. در این تحقیق یکی از روشهای محاسبات نرم در راستای پیشبینی بارندگی با رویکرد کاهش داده توسعه داده شد. دادههای ورودی مدل متوسط دمای هوا، دمای نقطه شبنم، متوسط فشار سطح دریا، متوسط فشار ایستگاه، میانگین رطوبت نسبی و میانگین سرعت باد در ایستگاههای تبریز، اهر و جلفا بودند. روش مورد استفاده در این تحقیق شامل رگرسیون بردار پشتیبان، Epsilon و Nu ،میباشد. در تمام ایستگاههای مورد مطالعه استفاده از رگرسیون بردار پشتیبان Nu نسبت به Epsilon منجر به کاهش خطا شد به طوری که مقادیر UII با رگرسیون بردار پشتیبان Nu در ایستگاههای تبریز، اهر و جلفا بهترتیب 19/19، 88/5 و78/15 درصد کاهش داشت. نتایج بیانگر محدویت استفاده از رویکرد کاهش داده برای دادههایی با فاکتور KMO پایینتر از 5/0 است که شامل ایستگاههای تبریز و اهر بودند. تحلیل مولفههای اصلی در هر دو نوع رگرسیون بردار پشتیبان عملکرد مدل را افزایش داد به طوری که در ایستگاه جلفا با بکارگیری تحلیل مولفههای اصلی مقادیر dدر رگرسیون بردار پشتیبان Epsilon و Nu 6/16 و 5/17 درصد افزایش یافت. اجرای چرخش وریماکس در پیشپردازش دادههای ورودی به رگرسیون نسبت به تحلیل مولفههای اصلی قویتر عمل کرد. در این راستا مقادیرRRMSE وRMSE در ایستگاه جلفا با استفاده از رگرسیون بردار پشتیبان Epsilon و با اجرای چرخش بهترتیب 66/6 و 45/6 درصد کاهش داشت. بنابراین تحلیل مولفههای اصلی ابزار مناسبی جهت ارتقاء عملکرد روشهای محاسبات نرم با رعایت قیود میباشد.