در عصر حاضر که نیاز به آب افزایش وکمبود آب سطحی شدت پیدا کرده است بهره برداری تلفیقی به عنوان راهکاری برای غلبه بر مشکلات شناخته شده است. در این راستا استفاده از مدل های شبیه سازی/ بهینه سازی یک روش قدرتمند در بهره برداری بهینه از سیستم آب های سطحی و زیرزمینی محسوب می شود. مدل های شبیه ساز توانایی شبیه سازی پاسخ های سیستم به سیاست های مدیریتی اعمال شده را دارا هستند. مدل های بهینه ساز، سیاست های مدیریتی بهینه را از میان مجموعه ای از سیاست های مدیریتی ممکن تعیین می کنند. در این تحقیق از مدل شبکه ی عصبی مصنوعی به عنوان مدل شبیه ساز و از الگوریتم مورچه به عنوان مدل بهینه ساز جهت تعیین سیاست های بهره برداری بهینه در محدوده ی آبخوان نجف آباد از زیرحوضه های حوضه ی بزرگ زاینده رود استفاده شده است. با توجه به وجود سه شبکه ی مدرن آبیاری در محدوده ی مطالعاتی، مدل مدیریتی مذکور برای 3 منطقه ی کشاورزی نکوآباد راست، نکوآباد چپ و خمیران اجرا گردید. از تعداد 240 ردیف داده ی موجود حاصل از آمار 20 ساله ی منطقه، جهت آموزش شبکه های عصبی مصنوعی استفاده گردید. مدل های شبکه ی عصبی مصنوعی امکان تخمین تراز ایستابی مناطق کشاورزی را تحت سیاست های مدیریتی برداشت آب به صورت ماهیانه فراهم آورد، سپس با ترکیب این مدل ها با مدل بهینه سازی الگوریتم مورچه، بهینه ترین سیاست های برداشت آب با هدف کاهش کمبود آب بدست آمد. از نتایج این تحقیق، کمبود منابع آب جهت تامین نیاز کشاورزی محدوده ی مطالعاتی است که بایستی جهت رسیدن به توسعه ی پایدار نیاز آبی منطقه را کاهش داد. همچنین تعیین میزان تخصیص آب سطحی و زیرزمینی برای هر منطقه در دوره های خشک سالی و ترسالی از دیگر نتایج این تحقیق است.