En cuanto a la evaluación de riesgos de desastres en el área de Kurdistán Occidental de Irán, la red neuronal de perceptrón multicapa (MLP) fue mejorada con dos técnicas novedosas: el algoritmo de búsqueda por retroceso (BSA) y la optimización basada en biogeografía (BBO). Utilizando 16 elementos de condicionamiento de deslizamientos de tierra, como elevación (aspecto), plano (curva), perfil (curvatura), geología, NDVI (uso del suelo), pendiente (grados), índice de potencia de corriente (SPI), índice de humedad topográfica (TWI), precipitación e índice de transporte de sedimentos (STI), y 504 deslizamientos de tierra como variables objetivo, se construyó una gran base de datos geográfica. La aplicación de las técnicas mencionadas anteriormente a la síntesis del MLP resulta en los conjuntos sugeridos BBO-MLP y BSA-MLP. Como estándares de precisión, nos beneficiamos del error absoluto medio, el error cuadrático medio y el área bajo la curva de características operativas del receptor para evaluar los modelos utilizados; también hemos diseñado un sistema de puntuación. La precisión del MLP aumenta gracias a la aplicación de los algoritmos BBO y BSA. Al comparar el BBO con el BSA, encontramos que el primero logra rangos de optimización promedio de MLP más altos (20, 15 y 14). Un hallazgo adicional mostró que el BBO es superior al BSA en la maximización del MLP.