For the effective and sustainable use of groundwater resources it is importance and necessary to predict the groundwater level fluctuations on response to rainfall. In the present study, four time series models were applied to forccasting groundwater level fluctuations using time series data of three National Groundwater Monitoring Network(NGMN) stations; the models are transfer function noise model(TFNM), and support vector machine(SVM); the stations are ChilgokGasan, OkcheonCheonseong, and HampyeonShinkwang stations.
  We considered two types of input structures for each time series model: rainfall input type and rainfall-groundwater level input type. daily time series data of groundwater level and rainfall from 2003 to 2008 were used for this comparison study; data from 2003 to 2005 were used for building time series models and 2006 to 2008 for comparing the model performances.
  Correlation coefficient and root mean squared error between observed and predicted values were used as the model performance criteria of this study. The comparison results shows that the model performance of the TFNM is better for the rainfall input type; however, the SVM model is best for the overall comparison study.