با توجه به توانایی‌های شبکه‌های عصبی مصنوعی، کاربرد آ‌ن‌ها در رشته‌های مختلف مهندسی و علوم زمین گسترش قابل ملاحضه‌ای داشته است. در این پژوهش برای پهنه‌بندی زمین‌لغزش در حوضه آبریز بار نیشابور از مدل شبکه عصبی پرسپترون چند لایه از نوع پیش‌خور پس انتشار (BP) استفاده شد. هدف نهایی از این پژوهش ارائه نقشه خطر زمین‌لغزش جهت ارزیابی وقوع آن با استفاده از روش شبکه عصبی مصنوعی می‌باشد. جهت ارزیابی شبکه عصبی ایجاد شده، داده‌های 32 زمین‌لغزش اتفاق افتاده به سیستم ارائه گردید. این پایگاه داده شامل اطلاعات مربوط به شیب، جهت شیب، لیتولوژی، مدل ارتفاع رقومی (DEM)، نقشه هم‌باران، فاصله از گسل و کاربری اراضی می‌باشد. این داده‌ها جهت تغذیه به شبکه عصبی ایجاد شده، بر اساس بزرگترین مقدار موجود هر داده در بانک اطلاعاتی بین صفر و یک نرمالیزه گردید. سپس داده‌های نرمالیزه شده به یک شبکه عصبی پرسپترون سه لایه تغذیه شونده به جلو(Feed forward) با الگوریتم پس انتشار خطا (Back error propagation) تغذیه گردید. داده‌های فوق ابتدا در شبکه آموزش دیده و سپس مورد آزمایش قرار گرفتند. ساختار نهایی شبکه دارای 7 نرون در لایه ورودی، 20 نرون در لایه میانی و یک نرون در لایه خروجی می‌باشد. در این بین 80 درصد اطلاعات برای آموزش و 20 درصد باقیمانده برای آزمایش در نظر گرفته شد. دقت شبکه در مرحله آزمایش 25/91 درصد برآورد گردید. خروجی به‌دست آمده از شبکه عصبی با اختلاف 2/0 به پنج پهنه تقسیم‌بندی شد. بر اَساس این پهنه‌بندی 50/8، 52/11، 92/17، 45/39، 61/22 درصد از مساحت منطقه به‌ترتیب در کلاس‌های خطر پایدار، کم خطر، متوسط، زیاد و خیلی زیاد قرار گرفته است. نتایج حاصل نشان داد که ساختار زمین شناسی تشکیل یافته از مارن‌های خاکستری با میان لایه‌های آهکی(سازند دلیچای) و همچنین فعالیت‌های تکتونکی گسل‌های منطقه باعث شده که حوضه آبخیز بار از قابلیت بالایی در رخداد زمین‌لغزش برخوردار شود. پرونده مقاله