مدل سازی دقیق و قابل اطمینان سطح ایستابی آب زیرزمینی می تواند به استفاده ی پایدار از آب های زیرزمینی به منظور تأمین نیاز های شهری،کشاورزی و صنعتی کمک کند. امروزه سازمان ها و شرکت های مرتبط با مهندسی آب برای این منظور از مدل های عددی استفاده می کنند. از معایب این روش ها نیاز به پارامتر های متعدد، زمان بر و پرهزینه بودن آن هاست. با توجه به روابط پیچیده ی حاکم در هیدروژئولوژی و هیدرولوژی در سال های اخیر توجه خاصی به مدل های مبتنی برهوش مصنوعی و محاسبات نرم شده است. در این تحقیق از 2 مدل شبکه های عصبی مصنوعی و مدل ترکیبی شبکه عصبی مصنوعی و تئوری موجک به منظور مدل سازی سطح آب زیرزمینی دشت شهرکرد استفاده شده است. به منظور مدل سازی در این تحقیق از اطلاعات میانگین ماهانه دما، مجموع بارندگی ماهانه و میانگین ماهانه تراز سطح آب زیرزمینی به مدت 27 سال در 3 چاه و 1 ایستگاه هواشناسی استفاده شده است. مدل شبکه عصبی مصنوعی استفاده شده در این تحقیق از نوع شبکه عصبی پرسپترون با یک لایه مخفی و الگوریتم آموزش لونبرگ مارکوارت است. برای توسعه مدل های شبکه عصبی موجکی از موجک های haar، db2، db3، db4، sym2 و sym3 در سطوح تجزیه مختلف استفاده شد. کنترل دقت محاسبات به وسیله محاسبه ضریب تعیین r2، ریشه میانگین مربعات خطا rmse، راندمان نش ساکلیف ce و میانگین قدر مطلق خطا mae صورت گرفته است. بهترین نتایج با استفاده از مدل شبکه عصبی موجکی و تبدیل موجک گسسته، با موجک های db2،db3، db4، sym2 و sym3 بدست آمد. نتایج بیانگر آن است که ترکیب تئوری موجک و شبکه های عصبی مصنوعی پیش بینی دقیق تری نسبت به شبکه های عصبی مصنوعی دارد.