شبیه سازی سطح آب زیرزمینی با استفاده از مدل های عددی نیاز به پارامترهای هیدروژئولوژیکی و ژئولوژیکی مختلفی دارد. در این مدل ها شناسایی شرایط مرزی، تعیین داده های ورودی، کالیبراسیون و صحت سنجی، دشوار، زمان بر و پرهزینه می باشد. به علاوه ترکیب این مدل ها با مدل های بهینه سازی برای یافتن سناریوی مدیریت آب زیرزمینی بهینه، نیاز به صدها بار اجرای برنامه دارد. اما روشی که در سال های اخیر مورد توجه مهندسین هیدروژئولوژی قرار گرفته است، استفاده از روش شبکه های عصبی مصنوعی می باشد. همزمان با گسترش استفاده از ann، استفاده از آنالیز موجک در زمینه هیدروژئولوژی نیز مطرح گردیده است. ترکیب این دو روش، مدلی با کارایی بهتر در پیش بینی فرآیندهای هیدروژئولوژیکی به نام شبکه عصبی-موجکی را به وجود می آورد. در این تحقیق نخست مبانی این شبکه ها بیان شده، سپس با بهره گیری از آن به مطالعه موردی دشت قروه پرداخته شده است. بهترین مدل سازی از روش تبدیل موجک گسسته، با موجک های db2 و db4 و با شبکه عصبی fnn-lm بدست آمد. سپس نتایج این مدل با نتایج حاصل از مدل عددی modflow مقایسه گردید. نتایج بیانگر آن است که روش شبکه عصبی-موجکی نسبت به روش عددی کارایی بالاتری را در پیش بینی نوسانات سطح آب زیرزمینی دارا می باشد. در نهایت با توجه به مدل های شبکه عصبی-موجکی بدست آمده، به پیش بینی نوسانات سطح آب زیرزمینی در این دشت پرداخته شد.