در این پژوهش به منظور ارزیابی عملکرد مدل­های شبیه­سازی از چهار روش GP، ANN، BCSD و SVM استفاده شد. مدل­سازی بر اساس داده­های بزرگ مقیاس مدل­های گردش عمومی جو و دمای میانگین روزانه ایستگاه سینوپتیک اهواز در دوره 2004-1971 انجام شد و ارزیابی هر مدل بر اساس معیارهای ضریب همبستگی و خطای مدل­سازی بین داده­های مشاهداتی و شبیه­سازی شده انجام گرفت. نتایج مدل­سازی نشان داد که ضریب همبستگی بین داده­های مشاهداتی و شبیه­سازی شده در روش SVM از سایر روش­ها بیشتر بوده و مقدار آن 9960/0 می­باشد. ضریب همبستگی برای روش GP، ANN و BCSD به ترتیب برابر 9393/0 ، 9384/0 و 4936/0 می­باشد. همچنین نتایج حاصل از ارزیابی خطای شبیه­سازی با استفاده از معیارهای RMSE وNSE  برای SVM به ترتیب 677/0 و 995/0 درجه سانتی­گراد محاسبه شده است. به طور مشابه این مقادیر برای GP 644/1 و 969/0، ANN 657/1 و 968/0 و BCSD 174/6 و 661/0 درجه می­باشد. بنابراین SVM در مدل­سازی­ دمای میانگین نسبت به سایر روش­ها از عملکرد بهتری برخوردار است و مدل­سازی دما به روش BCSD نسبت به سایر روش­ها از دقت کمتری برخوردار است. روش GP نسبت به ANN برتری ضعیفی دارد و پیشنهاد می­شود برای ارزیابی عملکرد دقیق­تر این دو مدل از دماهای حداقل و حداکثر استفاده شود.