مهمترین منبع آب در دسترس برای کشاورزی در دشت فسا آب های زیرزمینی موجود می باشد. سطح ایستابی در این دشت افت چشمگیری داشته ( به طور میانگین 12 متر افت در بازه زمانی 16 ساله) که نشانگر برداشت بی-رویه از آبخوان می باشد. بدین جهت مدیریت آبخوان آبرفتی فسا بطور جدی باید مورد توجه قرار گیرد. این پژوهش با هدف مدل سازی سری زمانی داده های سطح آب زیرزمینی انجام شده است. پس از آماده سازی داده ها سازی داده ها به کمک نرم افزار matlab به آموزش شبکه عصبی مصنوعی طراحی شده پرداخته شده است. پس از انتخاب بهترین شبکه عصبی آموزش دیده، به پیش بینی و شبیه سازی سطح آب زیرزمینی پرداخته شده است. با مقایسه الگوریتم های آموزشی مختلف با هم بر اساس مربع توان دوم خطا مشاهده شد که الگوریتم لونبرگ- مارکورت و تابع محرک سیگموئیدی دارای خطای کمتری نسبت به دیگر الگوریتم های آموزشی و توابع محرک می باشد. با توجه به نتایج بدست آمده از داده های پیش بینی شده در مرحله شبیه سازی سطح آب زیرزمینی می توان به این نتیجه رسید که شبکه های عصبی می توانند با دقت نسبتاً قابل قبولی در شبیه سازی داده های سطح آب مورد استفاده قرار گیرند. بررسی نتایج سطح آب های شبیه سازی شده نشان می دهد که مدل هایی که در آن ها تاخیر های کم (یک و دو ماهه) بعنوان ورودی در نظر گرفته شده است خطای کمتری را نشان می دهند و قابلیت شبیه سازی سطح آب را با دقت بالاتری دارند.