پیش بینی تراوش یکی از ابزارهای مهم در پیشگیری از فرسایش و تخریب سدهای خاکی است. در سال های اخیر باتوجه به عدم قطعیت، پیچیدگی و غیرخطی بودن روابط حاکم بر تراوش، استفاده از روش های هوش مصنوعی برای تخمین و پیش بینی این پدیده موردتوجه قرار گرفته است. هدف از این پژوهش تخمین تراوش سدخاکی ستارخان است. این سد در شمال غربی ایران قرار دارد. برای دستیابی به این هدف، در این پژوهش از شبکه حافظه بلند - کوتاه مدت و مدل ترکیبی موجک - شبکه عمیق در دو سناریو متفاوت استفاده شده است و نتایج به دست آمده از این مدل ها با شبکه عصبی پیشرو مقایسه شده است. نتایج به دست آمده نشان داد که شبکه های بازگشتی عمیق در مدل سازی پدیده تراوش، به دلیل ارتباط بازگشتی خروجی با ورودی در هر گام زمانی و توانایی یادگیری وابستگی ها در دنباله ای از زمان های قبل، نسبت به شبکه های عصبی پیشرو دقت تخمین بالاتری دارند به طوری که باعث افزایش دقت مدل سازی تا 7% شده است. هم چنین مدل ترکیبی موجک - شبکه عمیق نسبت به سایر مدل ها عملکرد بهتری دارد به طوری که دقت مدل سازی را تا 10% افزایش داده است. درنهایت می توان نتیجه گرفت که استفاده از شبکه های بازگشتی عمیق و مدل ترکیبی موجک - شبکه عمیق در مدل سازی تراوش، توانایی بهبود دقت تخمین در پیش بینی این پدیده را دارند.