Este estudio propone un enfoque de inteligencia artificial para evaluar la morfometría de cuencas en las zonas de subducción de Makrán en el sur de Irán y Pakistán. El enfoque integra algoritmos de aprendizaje automático, incluidos redes neuronales artificiales (ANN), regresión de vectores de soporte (SVR) y regresión lineal multivariante (MLR), en una sola plataforma. El área de estudio fue analizada extrayendo cuencas de un Modelo Digital de Elevación (DEM) y calculando ocho índices morfométricos. Los parámetros morfométricos se normalizaron utilizando funciones de membresía difusa para mejorar la precisión. El rendimiento de los algoritmos de aprendizaje automático se evalúa mediante el error cuadrático medio (MSE), el error absoluto medio (MAE) y el coeficiente de correlación (R2) entre la salida del método y el conjunto de datos real. El modelo ANN demostró una alta precisión con un valor de R2 de 0.974, un MSE de 4.14 x 10-6 y un MAE de 0.0015. Los resultados de los algoritmos de aprendizaje automático se compararon con las características tectónicas del área, indicando el potencial de utilizar el algoritmo ANN en investigaciones similares. Este enfoque ofrece una forma novedosa de evaluar la morfometría de cuencas utilizando técnicas de ML, que pueden tener ventajas sobre otros enfoques.