آبخوانهای تحت فشار یکی از مهمترین منابع آب زیرزمینی هستند. برداشت بیرویه و عدم مدیریت آبخوان، باعث پایین رفتن تراز آب زیرزمینی و کاهش ضریب ذخیره آبخوان شده است. در ساالهای اخیار، روشاهای هاو مصانوعی بنناوان یااین ین روشهای انطباق منحنی تیپ یهت تنیین پارامترهای آبخوان تحت فشار استفاده میشوند. هدف از این مطالنه ارزیابی مدلهای فازی ممدانی LFM ساگنو LFM شبکه های عصبی مصنوعیsNNA در تخمین ضرایب هیدرولیکی آبخوان تحت فشار میباشد. رو شبکه عصبی مصنوعی براساس نرمال سازی داده ها میباشد. در این شبکه از الگوریتم آموزش لیونبرگ -مارکوآرت استفاده شده است. در این رو تابع چاه با استفاده از 1000 مجموعه از داده های مصنوعی آزمایش شد. شبکه ها با دریافت داده های آزمون پمپاژ، مختصات نقطه انطباق را تولید میکنند. مختصات نقطه انطباق با حل تحلیلی تایس و ژاکوب ترکیب میگردد