یکی از مخاطرات تهدیدکننده مردم نواحی کوهستانی، بهمن برفی است. در این مقاله به پهنهبندی بهمن به عنوان یک مخاطره با استفاده از شبکه عصبی مصنوعی و تحلیل سلسله مراتبی اقدام شده است. روش تحلیل سلسله مراتبی برای بهبود نمونه آموزش، در سیستم اطلاعات جغرافیایی انجام شده است. این روش در حوضه آبریز سیروان در جنوب غرب استان کردستان که از پتانسیل بالایی برای این مخاطره برخودارمیباشد، اعمال شد. برای این منظور ابتدا از گذرگاه های که بهمن در آن اتفاق افتاده، بازدید میدانی به عمل آمد و مختصات آن ها برداشت گردید. مطالعات کتابخانه ای برای شناسایی معیارهای تأثیرگذار در این فرایند انجام گرفت بر اساس مطالعات، معیارهای زمینی شامل شیب، جهت شیب، ارتفاع، تحدب و تقعر، فاصله از جاده و کاربری اراضی انتخاب شدند. نقشه حاصل از روش تحلیل سلسله مراتبی طبقهبندی و از هر طبقه 20 نمونه برای آموزش شبکه عصبی بکار گرفته شد. شبکه عصبی پرسپترون برای ارزیابی این متغیرها با ساختار شش لایه ورودی، یک لایه پنهان و شش گره در هر دولایه با نرخ یادگیری01/ با دو تابع سیگموئید و خطی به عنوان ساختار بهینه با آزمون وخطا پذیرفته شد. بررسی این متغیرها با استفاده از شبکه عصبی نشان دهنده آن است که بیش از 86 درصد از منطقه موردمطالعه جزء مناطق باقابلیت بهمنخیزی بالا است. به منظور صحتسنجی این مدل ها از دادههای مشاهدهای موجود استفاده شده که حاکی از موفقیت و کارایی هر دو تابع با اولویت اندک تابع خطی میباشد
