در این پژوهش با توجه به اهمیت نرخ بیکاری در اقتصاد کلان، با استفاده از مدل‌های کلاسیک و نوین نرخ بیکاری پیش‌بینی می‌شود. نرخ بیکاری تابعی از نرخ بیکاری سال‌های گذشته، تولید ناخالص داخلی، نقدینگی، نرخ مشارکت و نرخ تورم می‌باشد. در این پژوهش داده‌های فصلی نرخ بیکاری در دوره بهار ۱۳۸۴ تا تابستان ۱۴۰۱ مورد بررسی قرار گرفته است. با توجه به آنکه نرخ بیکاری به صورت ماهانه موجود نیست و از آنجا که ارتباط بین نرخ بیکاری و تورم مد نظر این پژوهش است، نرخ بیکاری در دوره مورد بررسی با استفاده از روش‌های linear spline ,cubic و nearest-neighbor درونیابی و به ماهانه تبدیل شده‌اند که در نهایت با توجه به نتایج بهتر مدل linear داده‌های حاصل از این روش مورد استفاده قرار گرفته‌اند. در این پژوهش برای پیش‌بینی نرخ بیکاری از مدل‌های غیر خطی شبکه عصبی پس انتشار خطا، روش‌های سری‌زمانی فازی و سایر الگوریتم‌های مهم از جمله الگوریتم هیبرید استفاده شده است. همچنین برای ارزیابی مدل‌ها از معیار میانگین مربعات خطا، میانگین قدر مطلق انحراف و ریشه میانگین مربع خطا استفاده شده است. نتایج پژوهش نشان می‌دهد در صورت ترکیب کردن شبکه‌های عصبی و هیبریدی نتایج بهتری نسبت به سایر الگوریتمها دارد. همچنین استفاده از روش‌های یادگیری جمعی مناسب‌تر هستند.