سیاست‌گزاران و برنامه‏ریزان اقتصادی در تلاش اند تا متغیرهای موثر بر رشد بخش کشاورزی را مدل‌سازی کنند و از این مدل‌ها در فرآیند پیش‌بینی استفاده نمایند. امروزه پیش‌بینی به عنوان یک ابزار مهم برنامه‌ریزی برای سیاست‌گزاران اقتصادی به شمار می‏رود و روش‌های متنوعی برای پیش‌بینی متغیرهای اقتصادی مورد استفاده قرار می‌گیرد. این پژوهش نرخ رشد بخش کشاورزی ایران را پیش‌بینی و دقت روش‌های تک متغیره و چند متغیره را در پیش‌بینی این متغیر مقایسه می‏کند. روش‌های مورد استفاده در این تحقیق عبارت است از هموارسازی نمایی منفرد با روند، هموارسازی نمایی دوگانه با روند، الگوریتم هالت-وینترز تجمعی، الگوریتم هالت-وینترز ضربی، الگوی خودتوضیح جمعی میانگین متحرک، الگوی خودتوضیح برداری و شبکه‌های عصبی مصنوعی تک متغیره و چند متغیره. بر اساس یافته‌های پژوهش، شبکه‌های عصبی مصنوعی، هموارسازی نمایی منفرد و دوگانه با روند در مقایسه با دیگر تکنیک‌های تک متغیره‌ی به کار گرفته شده در این تحقیق بهترین پیش‌بینی را ارایه داد. سرانجام در روش‌های چند متغیره نیز دقت و کارآیی پیش‌بینی شبکه‌های عصبی مصنوعی در مقایسه با الگوی رقیب خودتوضیح برداری بهتر بود.