地下水污染對居民的健康產生危害，然而過去使用的地理統計方法在非採樣位置的空間分布分析上可能因為含水層的非均質性與污染物傳輸過程的非線性而導致高度的不確定性，本研究旨在將類神經網路應用於蘭陽平原的地下水砷污染空間變異性分析，繪製正確率較高的地下水污染的空間分布圖，應用於環境保護及公共衛生管理。本研究將類神經網路應用於蘭陽平原地下水砷污染的空間變異性分析，比較類神經方法與Kriging的結果，顯示類神經方法的準確度較高，證實了其優越性。類神經網路以監督式學習法為基礎逐次更新權重因子，並在神經元組成的層狀結構中以非線性活化函數轉換訊號，可以有效處理預測非採樣位置的不確定性。監測地下水質時設置監測井與採樣分析是既昂貴又費時的，若能優先考慮需要對不安全的地下水水質進行更深入監測的區域來設置監測井，便可以減少設井與採樣分析的成本和時間。進一步開發該研究中使用的技術，作為由環境工程師或公共衛生人員在規劃地下水監測網或制定人體健康保護計劃時的有效工具。