مدل سازی آب های زیرزمینی در مناطق گرم و خشک به دلیل برداشت بی رویه، از اهمیت ویژه ای برخوردار است. در این مطالعه به بررسی روشهای مختلف هوشمند عصبی شامل شبکه عصبی مصنوعی، روش عصبی- فازی، عصبی- موجک و عصبی- فازی- موجک در برآورد تراز آب زیرزمینی پرداخته شد. بدین منظور کاربرد شاخص های مختلف انسو در برآورد تراز آب زیرزمینی فصلی 11 چاه پیزومتری استان هرمزگان طی سال های 1369 تا 1392 مورد توجه قرار گرفت. نتایج نشان داد که شاخص اقیانوس آرام آمریکای شمالی (PNA) بیشترین همبستگی را با تغییرات تراز آب زیرزمینی داشت. اجرای ساختارهای مختلف به تفکیک چهار فصل نشان داد، دقت پیش بینی تراز آب زیرزمینی فصل تابستان بیش از سایر فصول بود. بر اساس نتایج بهترین ساختار در پیش بینی تراز آب زیرزمینی فصل تابستان، مقدار آماره های خطاسنجی مجذور میانگین مربعات خطای نرمال، 014/0 با ضریب همبستگی 986/0 بود که 093/0 متر بیش برآورد داشت. از طرفی، برتری روش عصبی- موجک در برآورد تراز آب زیرزمینی فصل های بهار، تابستان و زمستان نسبت به سایر روش ها، مشاهده گردید. لیکن در فصل پاییز، روش عصبی- فازی- موجک مناسب تر از روش های دیگر عمل نمود.
