چکیده: پیـش بیــنی عـمق سطــح آب زیرزمینــی و بـرآورد نـوسانات آن، یـکی از اقدامات لازم در جهت برنامه ریزی های جامع مدیریتی در رابطه با منابع آب زیرزمینی می باشد. با توجه به روابط غیرخطی و پیچـیده حاکم بر جریان آب های زیرزمیــنی، طراحی مدلی دقیـق و در عین حـال ساده ضـرورتی اجتناب ناپذیر در جهت پیش بینی رفتار منابع آب زیرزمینی محسوب می گردد. امروزه سیستم های خبره و از آن جمله شبکه های عصبی مصنوعی و سیستم های استنتاج نرو-فازی به عنوان ابزاری مفید و قابل اعتماد جهت مدل سازی نگاشت های پیچیده مورد توجه قرار گرفته اند. هدف از این تحقیق بسط مدل-های هوشمند شبکه عصبی و سیستم استنتاج عصبی-فازی برای پیش بینی نوسانات سطح ایستابی سیستم منابع آب زیرزمینی دشت دهگلان می باشد. بدین منظور مقادیر زمانی عمق سطح آب زیرزمینی، بارندگی، تبخیر و درجه حرارت برای بسط مدل های پیشنهادی استفاده گردید و مدلهای دینامیکی، استاتیکی و هیبرید با استفاده از شبکه های عصبی و سیستم های استنتاج نرو-فازی جهت شبیه سازی نوسانات سطح ایستابی توسعه داده شد. در انتـها مدل های پیـشنهادی با استفاده از فرآیند تحلیل سلسله مراتبی (ahp) مقایسه و اولویت بندی گردید. نتایج حاصل از تحقیق نشان داد که مدل-های دینامیکی و استاتیکی به ترتیب دارای بیشترین وکمترین دقت در پیش بینی نوسانات نوسانات سطح ایستابس بودند. مدل دینامیکی شبکه عصبی با پارامترهای ورودی عمق سطح آب زیرزمینی یک، دو و سه ماه قبل با میانگین مربعات خطا برابر 776/0 و ضریب همبستگی به میزان 936/0 بهترین مدل جهت پیش بینی دقیق تر نوسانات سطح ایستابی در دشت دهگلان شناخته شد. واژگان کلیدی: دشت دهگلان، آب زیرزمینی، شبکه عصبی مصنوعی، سیستم استنتاج نرو-فازی، تحلیل سلسله مراتبی