شناخت دقیق پارامترهای هیدروژئولوژیکی مانند قابلیت انتقال، هدایت هیدرولیکی و ضریب ذخیره یا آبدهی ویژه از جمله پارامترهای مهم برای پیش بینی شرایط آبخوان هستند که عموماً تعیین آنها برای نقاط مختلف آبخوان با هزینه های فراوانی انجام می شود. در سال های اخیر، از مدل های هوش مصنوعی به عنوان جایگزین روش های انطباق منحنی تیپ برای تعیین پارامترهای هیدرودینامیکی آبخوان ها استفاده شده است. بنابراین، در مطالعه ی حاضر نیز برای تعیین پارامترهای هیدرو دینامیکی آبخوان محبوس از منطق فازی سوگنو استفاده شد. ابتدا دقت، قابلیت اطمینان و توانایی تعمیم این مدل فازی از طریق آزمایش آن با داده های افت-زمان واقعی تأیید شد. سپس، نتایج به دست آمده از این مدل با نتایج به دست آمده از روش گرافیکی تایس و شبکه ی عصبی مصنوعی مقایسه شد. مقایسه ی RRMSE مدل شبکه ی عصبی مصنوعی و مدل فازی به منظور تخمین قابلیت انتقال آبخوان و ضریب ذخیره در مرحله ی آزمایش نشان داد مدل فازی، خطا را به ترتیب 21/9 و 66/11 درصد نسبت به شبکه ی عصبی کاهش می دهد. بنابراین، نتایج به دست آمده از روش گرافیکی تایس، شبکه ی عصبی مصنوعی و مدل منطق فازی در مرحله ی صحت سنجی نشان می دهند مدل فازی سوگنو در کنار دو روش یادشده توانایی تعیین پارامترهای آبخوان تحت فشار را دارد. این کارایی نسبی بیشتر منطق فازی سوگنو را می توان در توانایی ذاتی آن در کار با داده ها و پارامترهای دارای عدم قطعیت نسبت به روش گرافیکی تایس و شبکه ی عصبی مصنوعی دانست.