در امر مدیریت پایدار منابع آب تجدیدپذیر در سطح یک آب خوان، تخمین سطح آب زیرزمینی از اهمیت زیادی برخوردار است. در این پژوهش از روش های هوشمند عصبی در قالب شبکه عصبی پرسپترون چندلایه، تابع پایه شعاعی، عصبی فازی و عصبی ژنتیک برای تخمین مقادیر نقطه ای سطح ایستابی در دشت همدان- بهار استفاده شد. به منظور برآورد سطح ایستابی در نقاط بدون اندازه گیری، مقادیر برآورد نقطه ای هر یک از روش های هوشمند عصبی در محیط زمین آمار کریجینگ پهنه بندی شد. در مجموع دقت روش های مورد استفاده بر حسب خطای کم تر مقادیر سطح ایستابی برآوردی به ترتیب به روش های عصبی ژنتیک، پرسپترون چندلایه، تابع پایه شعاعی و عصبی فازی تعلق داشت. به طوری که مجذور میانگین مربعات خطای روش عصبی ژنتیک در برآورد تغییرات مکانی سطح ایستابی برابر 0.431 متر با ضریب تبیین 0.996 بود. بیش ترین مقدار خطا به برآوردهای مدل شبکه عصبی فازی با خطای 1.27 متر و مدل شبکه تابع پایه شعاعی با خطای 0.81 متر تعلق داشت. هم چنین مقایسه تغییرات مکانی سطح ایستابی برآوردی از روش عصبی ژنتیک در محیط زمین آمار کریجینگ با مقادیر مشاهده ای نشان دهنده کاهش پراکنش نقاط و باریک تر بودن محدوده اطمینان 90 درصد بود. از این رو با استفاده از طول و عرض جغرافیایی به عنوان بردار اطلاعات ورودی، می توان به دقت اطلاعات بالا در برآورد تغییرات مکانی و پهنه بندی مقادیر سطح ایستابی اطمینان به دست آورد.