تغییرات سطح آب‌زیرزمینی، یکی از مهم‌ترین متغیرها در مدیریت آبخوان‌هاست که پیش‌بینی دقیق این متغیر می‌تواند در ارائه راهکارهای مدیریتی برای حفظ این مخازن آب شیرین استراتژیک به‌خصوص در مناطق خشک و نیمه‌خشک، مانند حوضة دریاچه ارومیه راهگشا باشد. با وجود توانایی بالای مدل‌های هوش مصنوعی (AI) در پیش‌بینی سطح آب‌زیرزمینی به‌دلیل ناهمگنی و ناهمسانی محیط‌های هیدروژئولوژیکی، گه‌گاه از کارایی پایینی برخوردارند؛ از این‌رو، استفاده از روش هوشمند نگاشت خود سازمان‌ده (SOM) برای خوشه‌بندی چاه‌های مشاهده‌ای و ترکیب آن با مدل‌های مختلف هوش مصنوعی می‌تواند باعث بهبود نتایج حاصل از مدل‌سازی شد. در این پژوهش، روش‌های مختلف SOM-AI، شامل ماشین ‌بردار پشتیبان (SOM-SVM) و مدل فازی ساگنو (SOM-SFL) برای پیش‌بینی تغییرات سطح آب‌زیرزمینی به‌کار گرفته شدند. بدین‌ترتیب، چاه‌های مشاهده‌ای (OW) در سه گروه G1، G2 وG3 دسته‌بندی و برای هر گروه از چاه‌های مشاهده‌ای مدل‌سازی سطح آب زیرزمینی اجرا شد. ارزیابی نتایج با استفاده از معیارهای RMSE، r2 و NSE نشان داد که حداقل در سه چاه مشاهده‌ای OW2، OW6 و OW9، مدل ترکیبی SOM-SFL عملکرد بهتری نسبت به بقیه داشت. در بقیة چاه‌های مشاهده‌ای مدل ترکیبی SOM-LSSVM برتری نسبی داشت.