La previsione delle precipitazioni rappresenta ancora un problema estremamente importante in idrologia. D'altra parte, le precipitazioni sono uno dei processi idrologici più complicati nella previsione del deflusso. Nel presente studio si è cercato di sviluppare modelli di reti neurali artificiali (ANN) e di sistemi di inferenza neuro-fuzzy adattivi (ANFIS) per la previsione delle precipitazioni giornaliere nel periodo monsonico di Junagadh, Gujarat, India. I dati del periodo (1 giugno-30 ottobre) degli anni 1979-1981, 1984-1989 e 1991-2007 sono stati utilizzati per addestrare i modelli e i dati degli anni 2008-2011 sono stati utilizzati per testare i modelli. L'analisi di sensibilità è stata utilizzata per identificare il parametro più importante per la previsione delle precipitazioni. Nel modello ANN, l'algoritmo di back-propagation e la funzione di attivazione sigmoide sono stati utilizzati per addestrare e testare i modelli, mentre nei modelli ANFIS sono state utilizzate le funzioni di appartenenza gaussiana e a campana generalizzata. Dallo studio è emerso che le prestazioni del modello ANN a doppio strato nascosto con quattro parametri di ingresso sono migliori rispetto al modello ANFIS. L'analisi di sensibilità ha indicato che il parametro di input più importante, oltre alle precipitazioni stesse, è la pressione di vapore nella previsione delle precipitazioni.