چکیده پیش بینی تراز آب و شوری در مدیریت منابع آب زیرزمینی در سفره های ساحلی، بالاخص در مناطق خشک و نیمه خشک مانند کشور ایران اهمیت بسیار زیادی دارد و برنامه ریزی مناسب به منظور بهره برداری مطمئن از این منابع مستلزم وجود ابزار توانمند جهت پیش بینی پارامترهای فوق الذکر می باشد. در این رساله با توجه به توانایی شبکه های عصبی مصنوعی در مدل سازی سیستم های پیچیده، توأم با قابلیت علم زمین آمار در مدل سازی داده های مکانی، یک مدل تجربی ترکیبی به منظور پیش بینی زمانی و مکانی تراز آب زیرزمینی به عنوان یک پارامتر کمّی و مرتبط با شوری به عنوان یک پارامتر کیفی بسیار مهم در سفره های ساحلی تهیه و ارائه شده است. از داده های دشت شبستر در مجاورت دریاچه ارومیه به منظور آموزش، صحت سنجی و ارزیابی نتایج مدل پیشنهادی در این رساله استفاده شده است. نتایج بدست آمده از بکارگیری مدل های ترکیبی تهیه شده anng و manng علی رغم برتری نسبی مدل manng، نشان دهنده قابلیت بسیار زیاد مدل های ترکیبی تهیه شده در پیش بینی تراز آب زیرزمینی و میزان شوری در سفره ساحلی مورد مطالعه بوده اند.