بهمن یکی از انواع حرکات تودهای است که به حرکت سریع تودهای از برف در جهت شیب دامنه اطلاق میشود. بهمنها در مسیر حرکت خود علاوه بر برف، سن و خاک و گیاه را حمل میکنند و منجر به آسیب رساندن به خطوط ارتباطی، ساختمانها و خطوط انتقال نیرو در مسیر حرکت بهمن میشوند. بنابراین ضروری است مناطق بهمن خیز شناسایی شود اقدامات جدی در جهت جلوگیری از خسارت بهمن صورت گیرد. در این پژوهش دامنههایی که دارای پتانسیل بهمن خیزی هستند، با استفاده از مدل شبکه عصبی مصنوعی ) mlp ( پهنه بندی شد. به منظور آموزش مدل دادههای 93 دامنهای که بهمن در آن اتفاق افتاده بود را به شبکه معرفی کرده و عوامل موثر در وقوع بهمن شامل شیب، جهت شیب، ارتفاع، کاربری زمین، زمینشناسی، دادههای هواشناسی شامل بارش و دما و شبکه آبراهه و خطوط ارتباطی به عنوان ورودی پس از نرمالیزه کردن به شبکه معرفی شد و در نهایت پس از آزمون و خطا، جهت رسیدن به حداقل خطا و حداکثر دقت ساختاری با معماری یک لایه ورودی با 61 نرون، یک لایه پنهان با 61 نرون و یک لایه خروجی برای آموزش دیدن شبکه انتخاب شد. از داده 93 دامنهای که قبلاً بهمن در آن اتفاق افتاده بود که به عنوان نقاط سیاه به شبکه معرفی شد 1 درصد برای آموزش و 91 درصد برای تست بکار گرفته شد و مدل با 31?4 درصد دقت آموزش دید. نهایتاً پس از پهنه بندی دامنههای بهمن خیز با 88?1 درصد دقت در پهنه بندی، عامل جهت شیب، شیب و ارتفاع به ترتیب دارای بیشترین عامل در تأثیر وقوع بهمن در منطقه شناخته شد.