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 انجام‌شده 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 گذرگاه‌های که بهمن در آن اتفاق افتاده، بازدید میدانی به عمل آمد و مختصات آن‌ها برداشت گردید. مطالعات کتابخانه‌ای 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 به‌عنوان ساختار بهینه با آزمون‌وخطا پذیرفته شد. بررسی این متغیرها با استفاده از شبکه عصبی نشان‌دهنده آن است که بیش از 86 درصد از منطقه موردمطالعه جزء مناطق باقابلیت بهمن­خیزی بالا است. به‌منظور صحت­سنجی این مدل‌ها از داده­های مشاهده­ای موجود استفاده‌شده که حاکی از موفقیت و کارایی هر دو تابع با اولویت اندک تابع خطی می­باشد.