در سال های اخیر باتوجه به مشکل کمبود منابع آبی، مسئله استفاده و مدیریت بهینه این منابع اهمیت خاصی پیدا کرده است. به منظور آگاهی از وضعیت این منابع و مدیریت بهینه آنها، لازم است پیش بینی دقیقی از نوسانات سطح آب زیرزمینی صورت گیرد. امروزه مدل-های مختلفی در پیش بینی نوسانات سطح آب زیرزمینی ارائه شده که می توانند به استفادة پایدار از آب های زیرزمینی به منظور تأمین نیازهای شهری، کشاورزی و صنعتی کمک کنند. ازاین رو توجه خاصی به مدل های هوشمند شده است که می توان به مدل های سری زمانی، آنالیز موجک، شبکه های عصبی مصنوعی، مدل های ماشین بردار پشتیبان و غیره اشاره نمود. در این پژوهش از مدل تلفیقی موجک - عصبی فازی برای پیش بینی سطح آب زیرزمینی در دشت بیرجند بهره گرفته شد. در نهایت نتایج به دست آمده با نتایج مدل موجک و شبکه عصبی فازی مقایسه گردید. داده های مورد استفاده در این تحقیق شامل بارندگی، تبخیر، حداکثر درجه حرارت، متوسط درجه حرارت، حداقل رطوبت و تراز سطح آب زیرزمینی برای تعداد 16 پیزومتر به مدت 18 سال آماری است که به صورت ماهیانه اندازه-گیری شده اند. نتایج به دست آمده نشان داد که مدل ترکیبی موجک - عصبی فازی با توجه میزان ضریب میانگین مربعات خطا 19/0 RMSE= و ضریب نش ساتکلیف 95/0 NS= نسبت به سایر مدل ها از دقت بالاتری در پیش بینی سطح آب زیرزمینی برخوردار است. مدل موجک عصبی فازی به دلیل ترکیب و ادغام ویژگی های مفید تبدیل موجک، شبکه های عصبی و سیستم های فازی، نه تنها دقت پیش بینی را افزایش می دهد بلکه می تواند نگرش جامع تری به داده ها دهد.