ایران کشوری خشک است و فقط درصد کمی از آب مورد نیاز خود را به وسیله باران تأمین می کند. در حال حاضر، 55% از آب های مورد نیاز در ایران به وسیله آب های زیرزمینی و 45% آن توسط آب های سطحی تأمین می شود. رشد جمعیت در ایران که با توسعه اقتصادی و رشد صنعت و کشاورزی همراه بوده است، باعث افزایش تقاضا برای آب شده است. در این زمینه، اهمیت کنترل و استفاده بهینه از آب های زیرزمینی توسط هیدروژئولوژیست ها تشخیص داده شده و مدل سازی آب های زیرزمینی به دلیل کارآیی بالا و هزینه های کمتر نسبت به روش های دیگر به عنوان ابزار مدیریتی منابع آب مورد توجه قرار گرفته است. بدین منظور، مدل کمی آب های زیرزمینی دشت عقیلی با مساحت بالغ بر 41/142کیلومترمربع که در شمال شهرستان شوشتر واقع شده، با استفاده از شبکه های عصبی مصنوعی تهیه گردید. داده های مورد استفاده برای این هدف شامل بارندگی،تبخیر، رطوبت نسبی، درجه حرارت(ماکزیمم و مینیمم)، دبی کانال های آبیاری و دبی جریان آب زیرزمینی از مرزهای تغدیه کننده دشت به عنوان ورودی و سطح آب زیرزمینی به عنوان خروجی (هدف) می باشد. ابتدا داده های موجود(مهر ماه 81 تا دی ماه 89) بر اساس خصوصیات هیدروژئولوژیکی بخش های مختلف دشت، به سه دسته تقسیم شده اند. سپس برای هریک، شبکه ای طراحی و پارامترهای موثر در آموزش شبکه اعمال و بهترین شرایط(ضریب رگرسیونی بالا و مجذور متوسط خطا پایین) بدست آمده است. در آموزش شبکه ها از چهار الگوریتم lm, rp, scg و gdm استفاده شده است. نتایج نشان می دهد بهترین نوع شبکه برای هر سه دسته داده، شبکه ffn-lm می باشد. صحت سنجی شبکه های مذکور نیز کارآیی آنها را در شبیه سازی سطح آب زیرزمینی دشت عقیلی تایید می نماید. در نهایت نیز با هدف ارزیابی تقسیم بندی انجام شده، شبکه ای واحد با کل داده ها با استفاده از الگوریتم lm آموزش داده شده است. صحت سنجی این شبکه نشان می دهد دسته بندی داده ها و تفکیک منطقه بر اساس خصوصیات هیدروژئولوژیکی و طراحی شبکه های مجزا، دقت بیشتری را در شبیه سازی سطح آب زیرزمینی در دشت بدست می دهد. حال به منظور پیش بینی سطح آب زیرزمینی در دشت عقیلی با استفاده از داده های زمان t و داده های زمان t+1به ترتیب به عنوان ورودی و خروجی (داده های مهر ماه 81 تا تیر ماه 88 به عنوان ورودی و داده های مهرماه 82 تا تیر ماه 89 به عنوان خروجی) بهترین حالت برای هریک از دسته داده ها بدست آمد. سپس با استفاده این شبکه ها، با معرفی داده های ورودی جدید شبیه سازی صورت گرفته و سطح آب زیرزمینی در ماه های متناظر آن در سال آینده پیش بینی شد. نتایج حاصل دقت بسیار بالای شبکه عصبی مصنوعی را در پیش بینی سطح آب زیرزمینی در آبخوان دشت عقیلی نشان دادند. مقایسه نتایج شبکه عصبی با مدل ریاضی تفاضلات محدود نیز نشان می دهد شبکه عصبی مصنوعی نسبت به مدل ریاضی با دقت بسیار قابل توجهی سطح آب زیرزمینی را پیش بینی نموده است.