منابع آب زیرزمینی یکی از مهمترین منابع آبی هر کشور می باشد که شناخت صحیح و بهره برداری اصولی از آن می تواند در توسعه پایدار فعالیت های اجتماعی و اقتصادی یک منطقه بویژه در مناطق خشک و نیمه خشک نقش بسزایی داشته باشد. پیش بینی نوسان های سطح آب زیرزمینی برای مدیریت آب، امر ضروری می باشد. منطقه مورد مطالعه با گستره ای حدود 2504 کیلومترمربع در شمال کویر نمک، در جنوب شهر مشهد واقع است. هدف از این پژوهش، مدل سازی تغییرات سطح آب زیرزمینی دشت زاوه-تربت حیدریه با استفاده از شبکه های عصبی پرسپترون چندلایه با الگوریتم پس انتشار خطا و شبکه عصبی LVQ می باشد. به همین منظور جهت آموزش مدل، از اطلاعات 18 پیزومتر که دارای آمار 20 ساله (1395-1375) بودند، مستخرج و توسط محقیقن این پژوهش از سازمان آب منطقه ای استان خراسان رضوی جمع آوری شدند و پس از پیش پردازش، در این مطالعه مورد استفاده قرار گرفت. هریک از پیزومترها با تاخیر زمانیt0-1 (ماه قبل) به صورت ماهانه ثبت شده و در هر پیزومتر، هفت پارامتر، ورودی های سیستم را تشکیل می دهند. جهت ارزیابی خطای سیستم از روش حداقل مربعات خطا (RMSE) محاسبه شده است. مقدار تراز آب زیرزمینی نیز تنها خروجی این شبکه عصبی را شامل می شود. براین اساس نتایج این تحقیق نشان داد که شبکه عصبی مصنوعی با الگوریتم های آموزشی آموزشی Gradient Descent, Gradient Descent with Momentum, Levenberg Marquardt قادر به پیش بینی سطح آب زیرزمینی به صورت ماهانه بادقت (RMSE=0/0012 (R2=0/9810, در مرحله آموزش و با دقت (RMSE=0/021 R2 = 0/9622, ) در مرحله آزمون در محدوده مورد مطالعه است.