تعیین دقیق مقادیر پارامترهای هیدرولیکی، اولین گام برای توسعه پایدار آبخوان است. از زمان Theis (1935)، روش انطباق منحنی تیپ (TCMT) با استفاده از داده های آزمون پمپاژ برای تخمین پارامترهای آبخوان استفاده می‌شود. این روش همراه با خطاهای گرافیکی است. در این تحقیق جهت حذف این خطا، یک شبکه عصبی مصنوعی (ANN) از نوع پرسپترون چندلایه (MLP) با مدل‌سازی تابع چاه Bourdet-Gringaten جهت تعیین پارامترهای آبخوان هایی با تخلخل دوگانه طراحی شده است. مدل شبکه عصبی MLP در یک پروتکل چهار مرحله‌ای با روش پس انتشار خطا و الگوریتم بهینه‌سازی لونبرگ-مارکوارت(LM) آموزش داده شده است. با اعمال روش تحلیل مؤلفه های اصلی (PCA) بر روی داده های ورودی آموزش و از طریق روش آزمون و خطا، ساختار بهینه شبکه با توپولوژی [3×6×3] ثابت گردید. اعتبار شبکه توسعه‌یافته با داده‌های میدانی مصنوعی و واقعی ارزیابی شد. این مدل، داده های آزمون پمپاژ را دریافت می کند و مقادیر پارامترهای آبخوان را در اختیار کاربر قرار می دهد. مدل طراحی شده، یک روش خودکار و سریع برای تعیین پارامترهای آبخوان هایی با تخلخل دوگانه را فراهم می‌کند و خطاهای گرافیکی ذاتی TCMT معمولی را حذف می‌کند.
