سری زمانی یکی از مباحث مهم آماری است که دارای سطح غنی از ساختارهای گوناگون در مدل‌سازی پیش‌بینی بارندگی و دما است. در پژوهش حاضر، توانایی مدل‌های سری زمانی ARIMA و SARIMA در پیش‌بینی دمای حداکثر سالانه و بارش فصل زمستان ایستگاه اردبیل طی دوره آماری ۳۰ ساله (۲۰۱۹- ۱۹۹۰) موردبررسی قرارگرفته است. برای بررسی ایستایی مدل توابع خودهمبستگی (ACF) و خودهمبستگی جزئی (PACF) به کار گرفته شد و با روش تفاضل گیری داده‌های نا ایستای دما به ایستا تبدیل شدند و با در نظر گرفتن معیارهای ارزیابی مدل شامل آماره T بزرگ‌تر از ۲ و P– value کمتر از ۰۵/۰ و معیار اطلاعات AIC مدل (۱،۱،۱)*(۱،۰،۱) SARIMA برای بارش فصلی و مدل (۰،۰،۱) ARIMA برای دمای حداکثر سالانه به‌عنوان مدلی مناسب جهت پیش‌بینی انتخاب شدند. نتایج پیش‌بینی نشان‌دهنده روند افزایشی دما و روند کاهشی بارش فصلی برای دهه‌های آتی است.