آب زیرزمینی یکی از مهمترین منابع آب در مناطق خشک و نیمه خشک است. با توجه به کاهش سطح آب زیرزمینی بر اثر برداشت غیرمجاز در بیشتر دشت های ایران، دبی چاهها پس از مدت کوتاهی به میزان زیادی کاهش یافته و این مهم لزوم برنامه ریزی منابع اب را مورد توجه قرار می دهد. تعیین ضخامت آبرفت و نوع مصالح تشکیل دهنده ی آبخوان ها یکی از موارد ضروری جهت برنامه ریزی برای توسعه ی شهر و طراحی زیرساخت های آن می باشد. با توجه به اهمیّت عمق برآورد سنگ کف آبخوان ها جهت برآورد حجم و برنامه ریزی منابع آب در این تحقیق کارایی مدل های شبکه ی عصبی مصنوعی و سیستم های استنتاج فازی عصبی در میزان عمق سنگ کف و پهنه بندی آن در بخش های مختلف آبخوان مورد بررسی قرار گرفت. در این تحقیق از پارامترهای طول و عرض جغرافیایی، شوری، تراز سطح آب و زمین به عنوان ورودی ها استفاده شد و تلاش شد تا مدل مناسب برای پیش بینی سنگ کف تعیین گردد. نتایج این مطالعه نشان داد که مدل شبکه ی عصبی مصنوعی با ضریب تبیین 835/0 و میانگین مجذور خطای 88/49 متر با ورودی های تراز آب زیرزمینی، طول و عرض جغرافیایی دقت بالاتری نسبت به مدل های نروفازی در برآورد عمق سنگ بستر دارد
