با توجه به بحران کمبود آب در کشور، برآورد هر چه دقیق‌تر ذخایر آب در اکوسیستم‌های جنگلی می‌تواند از مهم‌ترین راهکارهای مورد استفاده درزمینه مدیریت بهینه منابع و چرخه آب برای توسعه بهره‌وری مدنظر قرار بگیرد. بدین منظور، با استفاده از تکنیک شبکه عصبی مصنوعی موجودی وزنی ذخایر آب تنه ۱۷۴ پایه قطع شده درختان گونه‌های مختلف اعم از راش، آزاد، ممرز، انجیلی، توسکا، بلوط و پلت شبیه‌سازی شد. از هر بخش از تنه استحصال شده درختان، قطعاتی با ابعاد حجمی ثابت در دمای ۱۰۵ درجه سانتی‌گراد در آون قرارگرفته و ضریب خشکی و چگالی ویژه کلیه نمونه‌ها اندازه‌گیری شدند. سه لایه ورودی شامل قطر برابر سینه، ارتفاع تنه و چگالی ویژه برای روند شبیه‌سازی متغیر پاسخ مورد استفاده قرار گرفتند. برای معماری توپولوژی شبکه عصبی مورد مطالعه از روش سعی و آزمون استفاده شد. نتایج نشان داد که استفاده از قطر برابر سینه به‌عنوان تنها لایه ورودی بر مبنای شاخص‌های اعتبار قطعیت شبکه عصبی، ۶۵ درصد از واریانس آزمون داده‌ها را توجیه کرد. با ورود هر سه لایه ورودی، خروجی بهینه با یک لایه پنهان حاوی تابع تانژانت سیگموئیدی در معماری صورت گرفته با تعداد ۱۵ نورون عصبی دارای حداکثر قطعیت برآوردی در جنگل‌های آمیخته راش مورد مطالعه است (۰۸/۸۱= RMSE، ۰۰۱/۰= MSE، ۹۲/۰ = ۲R). برای صرفه‌جویی در هزینه‌ها، نیروی انسانی و جلوگیری از روش برآورد تخریبی، خروجی بهینه حاصل در قالب جعبه سیاه با قابلیت کاربرد در فضای سیستم‌های دیجیتالی دارای قابلیت کاربرد وسیع برای پیش‌بینی ذخایر آب و به‌تبع آن مدیریت چرخه آب در اکوسیستم جنگلی مورد مطالعه است.
