شناسایی محدوده های مستعد زمین لغزش در عمران شهری و منطقهای دارای اهمیت ویژه ای است. در این مقاله به پهنهبندی میزان حساسیت به زمین لغزش با استفاده از شبکه عصبی مصنوعی و تحلیل سلسله مراتبی اقدام شده است. این پهنه بندی و تحلیل با استفاده از شبکه های عصبی مصنوعی که قادر به شناسایی روابط پیچیده بین حرکات تودهای و هدف یعنی عوامل پهنۀ حساسیت، به منظور شناسایی مناطق ناپایدار صورت گرفته است. روش تحلیل سلسله مراتبی برای بهبود نمونه آموزش، در سیستم اطلاعات جغرافیایی انجام شده است. پیش پردازش با استفاده از روش تحلیل سلسله مراتبی دادهها برای انتخاب پیکسل های مناطق بدون لغزش و کمک به بهبود قابلیت پیشبینی روش شبکۀ عصبی که یک مدل جعبه سیاه است انجام شده است. این روش در شهرستان بیجار در شمال شرق استان کردستان که پتانسیل زیادی برای حرکات دامنه ای دارد، باهدف پهنهبندی زمین لغزش به عنوان یکی از حرکات دامنه ای اعمال شد. بدین منظور ابتدا بررسی های کتابخانه ای برای شناسایی معیارهای تأثیرگذار در این فرایند انجام گرفت بر اساس پژوهش ها، متغیرهای لیتولوژی، فاصله از گسل، جهت شیب، کاربری اراضی، فاصله از رودخانه، فاصله از خطوط ارتباطی، شیب، ارتفاع و شبکه زهکش مهم ترین فاکتورهای مؤثر بر زمین لغزش محسوب میشوند که در این تحقیق ارزیابی شدند. برای ارزیابی این متغیرها در شبکۀ عصبی پرسپترون با ساختار نه لایه ورودی، دولایه پنهان و نه گره در هر دولایه با میزان یادگیری01/ با دو تابع سیگموئید و خطی به عنوان ساختار بهینه با آزمون و خطا پذیرفته شد برسی این متغیرها با استفاده از شبکه عصبی نشان دهندۀ آن است که بیش از 60 درصد از منطقه بررسی شده جزء مناطق با قابلیت زمین لغزش زیاد 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 سیگموئید است.
