با توجه به گسترش روزافزون استفاده از تکنیکهای تعیین موقعیت ماهوارهای خصوصاً GPS لزوم تعیین دقیق ژئوئید باهدف جایگزینی اندازه‌گیریهای ترازیابی با اندازه‌گیریهای GPS در کاربردهای ژئودتیک بر کسی پوشیده نیست. تقریب ژئوئید با استفاده از داده‌های GPS/leveling به‌صورت محلی، در کنار مدل‌های موجود از قبیل مدلهای ژئوپتانسیل و یا ژئوئیدهای گراویمتری راهکاری پذیرفته شده است. اما سوال مهم سطح دقت قابل دسترس با استفاده از این روش است. مواردی چون کیفیت داده‌ها و یا تکنیک مورداستفاده برای مدل‌سازی این داده‌ها می تواند در دقت ژئوئید GPS/leveling تاثیرگذار باشد. در این مقاله به ارزیابی روشهای نوین محاسباتی مبتنی بر یادگیری ازجمله شبکه‌های عصبی مصنوعی(ANN) و سیستمهای استنتاج فازی-عصبی تطبیقی(ANFIS) در مقایسه با روش استاندارد معادلات رگرسیون چندجمله‌ای چند متغیره (MPRE)، در مدلسازی ژئوئید GPS/Leveling پرداخته شده است. این ارزیابی در یک شبکه از ایستگاه‌های GPS و ترازیابی در شهرستان شاهین‌شهر اصفهان با ابعاد کوچکتر و توزیعی بسیار فشرده تر نسبت به مطالعات پیشین صورت گرفته و این کیفیت داده ها مدلسازی ژئوئید را با دقتی بهتر از 1 سانتیمتر ممکن ساخته است. نتایج نشان‌دهنده برتری چند میلی‌متری مدل‌های ژئوئید حاصل از ANN و ANFIS ازنظر مجذور میانگین مربعات خطاها و همچنین ازنظر ضریب تشخیص است و به ترتیب mm8RMSE=، 9949/0R2= و mm7RMSE=، 9964/0R2= برای این مدل ها، در نقاط تست حاصل شده است. بنابراین مدل ژئوئید حاصل از ANFIS دقیق ترین ارتفاع ژئوئید را در سطح منطقه فراهم می سازد.