در این تحقبق سعی شده است با استفاده از شبکه های عصبی مصنوعی که کارایی چشمگیری در حل مسائل پیچیده و مشکل داشته اند، تغییرات زمانی و مکانی عمق آب پیش بینی گردد. این مطالعه در منطقه ی شیبکوه واقع در 30 کیلومتری جنوب غرب شهرستان فسا در استان فارس صورت گرفته است. در این تحقیق 2 شبکه ی عصبی طراحی گردید. شبکه ی اول قابلیت پیش بینی میانگین سالانه ی عمق آب در نقاط گوناگون یک آبخوان را داشته و شبکه ی دوم عمق ماهانه ی سطح آب را در هر نقطه ای از آبخوان تعیین می کند. 8 پارامتر گوناگون از جمله میزان برداشت، بارش، ضخامت آبرفت، مقاومت مخصوص ظاهری، ارتفاع و موقعیت جغرافیایی نقاط، تراز سنگ کف و میزان تبخیر به عنوان پارامترهای موثر بر عمق آب شناخته شد که دو دسته پارامتر زمانی و فیزیکی را در بر می گرفت. پس از اجرای مراحل آموزش و تست شبکه ی اول با استفاده از مجموعه های مختلف به عنوان ورودی های شبکه که ترکیبات مختلف از پارامترهای ذکر شده در بالا را شامل می شد، و نیز آزمودن ساختارهای مختلف به روش آزمون و خطا و تغییر تعداد لایه های شبکه و نرون های واقع شده در هر لایه، با استفاده از ساختار (6،10،1) که به عنوان بهترین ساختار شبکه ی اول شناخته شد، عمق آب در نقاط گوناگون آبخوان شیبکوه، برای میانگین سالانه ی یک دوره ی 9 ساله پیش بینی گردید. برای شبکه ی دوم ابتدا با استفاده از رسم نمودارهای همبستگی بین عمق آب و بارش، تأخیر موثر در بارش برای رسیدن به سطح آب در تمام 17 پیزومتر منطقه سنجیده شد و در نهایت با استفاده از بارش 2 ماه قبل، عمق آب ماه قبل، میزان برداشت در همان ماه، ضخامت، ارتفاع نقاط و مقاومت مخصوص ظاهری در هر نقطه، و پس از آزمودن ساختارهای گوناگون به روش آزمون و خطا و تغییر تعداد نرون ها از 2 نرون تا 15 نرون در لایه ی پنهان، شبکه ای با ساختار (6،4،1) طراحی گردید، که به طور قابل قبولی قادر به پیش بینی زمانی و مکانی عمق آب با گامهایی ماهانه در هر نقطه ای از آبخوان بود.