دشت بسطام با مساحتی در حدود 406 کیلومتر مربع در 8 کیلومتری شمال شرق شهرستان شاهرود قرار گرفته است. این دشت یکی از مهمترین دشت‎ها از نقطه نظر کشاورزی بوده که برداشت بی‎رویه از منابع آب زیرزمینی باعث افت زیادی در سطح آب این دشت گردیده است. هدف از این تحقیق مدلسازی سطح آب زیرزمینی با استفاده از مدل‎های غیرخطی شبکه عصبی مصنوعی و شبکه استنتاج تطبیقی عصبی فازی می‎باشد. برای انجام مدلسازی با شبکه عصبی مصنوعی از شبکه پروسپترون چندلایه پیشرو با توابع محرک سیگموئید، گوس، تانژانت هیپربولیک و سکانت هیپربولیک و قانون آموزش پس‎انتشار خطا (back propagation with momentum, bp) استفاده گردید. داده‎های ورودی به هر دو شبکه شامل برداشت از آب زیرزمینی، آب برگشتی کشاورزی و بارش موثر می‎باشد. نتایج بدست آمده نشان می‎دهد هر دو روش توانستند با دقت بالایی سطح آب زیرزمینی را پیش‎بینی نمایند. در مدلسازی با شبکه استنتاج تطبیقی عصبی فازی روش سوگنو از بین ساختارها و توابع عضویت مختلف، تابع عضویت ذوزنقه‎ای شکل و روش انبوهش مینیمم با ضریب همبستگی 99/0 و 91/0 به ترتیب در مراحل آموزش و صحت‎سنجی؛ و در مدلسازی با شبکه عصبی مصنوعی تابع محرک تانژانت هیپربولیک با ضریب همبستگی 99/0 و ریشه میانگین مجذور خطا 36/0 در مرحله آموزش و ضریب همبستگی 83/0 و ریشه میانگین مجذور خطا 06/1 مرحله صحت‎سنجی، بهترین جوابها با کمترین خطاها را ایجاد کردند. با مقایسه نتایج مشخص شد، از میان این دو شبکه، شبکه استنتاج تطبیقی عصبی فازی پیش‎بینی دقیق‎تری را از سطح آب زیرزمینی ارائه نمود. پس از تعیین بهترین شبکه برای انجام مدلسازی، پیش‎بینی سطح آب زیرزمینی در 2 سال آینده با سناریوهای مختلفی چون الف) مقدار برداشت و بارش در 2 سال آینده ثابت و برابر زمان حال باشد. ب) مقدار برداشت را به اندازه کاهش حجم سالانه آب در آبخوان تقلیل یابد و مقدار بارش ثابت باشد. ج) مقدار برداشت ثابت و بارش 30% کاهش یابد (دوره خشکسالی)، انجام گرفت و با هم مقایسه گردید. بر اساس نتایج بدست آمده زمانی که مقدار برداشت به اندازه کاهش حجم سالانه آب در آبخوان تقلیل یابد، مقدار افت در کل دشت از 8/1 متر به 7/0 متر کاهش یافته و در سناریو خشکسالی مقدار افت از 8/1 متر به 2 متر افزایش پیدا می‎کند.