زمین لغزش به عنوان یکی از مخاطرات طبیعی در مناطق کوهستانی هر ساله منجر به خسارات زیادی می شود. حوضه آبریز سیمره چنار، با داشتن ویژگی های کوهستانی و شرایط طبیعی مختلف دارای استعداد بالقوه زمین لغزش است. هدف از این پژوهش، مقایسه مدل شبکه عصبی مصنوعی با مدل منطق فازی، جهت ارزیابی خطر زمین لغزش در حوضه سیمره چنار است. بدین جهت ابتدا پارامترهای مؤثر در وقوع زمین لغزش استخراج و سپس لایه های مربوطه تهیه شده است. سپس نقشه پراکنش زمین لغزش های رخ داده شده حوضه تهیه و با تلفیق نقشه عوامل مؤثر بر لغزش با نقشه پراکنش زمین لغزش ها، تأثیر هر یک از عوامل شیب، جهت شیب، سنگ شناسی، بارش، فاصله از گسل، کاربری اراضی، خاک، فاصله از آبراهه در محیط نرم افزارArcGIS محاسبه گردید. در این مطالعه به منظور مقایسه مدل ها، در پهنه بندی خطر زمین لغزش حوضه سیمره چنار، از مدل های شبکه عصبی مصنوعی و منطق فازی استفاده گردید. در مدل شبکه عصبی مصنوعی الگوریتم پس انتشار خطا و تابع فعال سازی سیگموئید بکار گرفته شد. ساختار نهایی شبکه دارای 8 نرون در لایه ورودی، 14 نرون در لایه پنهان و 1 نرون در لایه خروجی گردید. پس از بهینه شدن ساختمان شبکه، کل اطلاعات منطقه در اختیار شبکه قرار گرفت و در نهایت با توجه به وزن خروجی، نقشه پهنه بندی زمین لغزش تهیه شد. در مدل منطق فازی از اپراتورهای عملگراجتماعفازی، عملگراشتراکفازی، عملگرضربجبری فازی، عملگرجمعجبری فازی، عملگرگاما فازی مدل منطق فازی استفاده شد. برای ارزیابی نتایج خروجی مدل های مورد استفاده در برآورد خطر لغزش منطقه از ضریب آماری کاپا استفاده شد. نتایج بدست آمده نشان می دهد که مدل شبکه عصبی مصنوعی با ضریب کاپای 91/0 مدل کارآمدتری نسبت به مدل منطق فازی در تهیه نقشه خطر لغزش های حوضه سیمره چنار است. از میان عوامل تاثیرگذار بر زمین لغزش در منطقه مورد مطالعه عامل شیب به عنوان مهمترین عامل و عوامل سنگ شناسی و خاک در مراتب بعدی قرار گرفتند. بر اساس پهنه بندی صورت گرفته با استفاده از مدل شبکه عصبی مصنوعی، به ترتیب 12/10، 92/22، 04/31، 76/20، 16/15 درصد از مساحت منطقه در کلاس های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار گرفته است.
