چکیده 
پایش، مدلسازی و شناسایی الگوي رفتاري و درک آسیب هاي احتمالی ناشی از مخاطرات و بلایای طبیعی گامی مهم در کاهش ریسک آن‌ها در صنعت بیمه محسوب می شود. پدیده فرونشست از جمله این مخاطرات می باشد که عبارت است از فروریزش یا نشست سطح زمین که در مقیاس بزرگ رخ می دهد. در این گزارش پژوهشی مدلسازی فرونشست و تهیه نقشه به روز و دقیق از نواحی با خطر بالای فرونشست در گستره استان تهران دنبال شده است. لایه های اطلاعاتی اقیلمی، هیدرولوژی، انسانی، خاک و توپوگرافی به عنوان ورودی های مدل های یادگیری ماشین، تعریف شدند که  پس از جمع آوری از منابع داده ای مختلف مورد آماده سازی و پیش پردازش های لازم قرار گرفتند. داده های نقطه ای فرونشست از مطالعات پیشین و منابع داده ای در دسترس به عنوان داده های هدف مورد استفاده قرار گرفتند. مدل یادگیری ماشین جنگل تصادفی به عنوان مدل بهنیه تهیه نقشه فرونشست شناسایی و بر اساس آن نقشه فرونشست گستره استان تهران در سال 2024 تهیه شد. نقشه برآورد شده فرونشست از دقت قابل قبولی برخوردار بود به طوری که مقادیر R2، RMSE و MAE محاسبه شده به ترتیب عبارت بودند از 0.78، 18 و 12 میلی متر در سال. یافته‌های مدلسازی و تهیه نقشه فرونشست در سال 2024 نشان داد که نرخ متوسط فرونشست در استان تهران 42.71 میلی متر در سال می‌باشد و عمدتاً مناطق غربی و جنوب شرقی استان تهران بالاترین نرخ های فرونشست (بالاتر از 70 میلی متر در سال) را نشان دادند. این مطالعه نشان داد که عوامل دمای هوا، رواناب، شیب، ناترازی آب و خشکسالی از بالاترین اهمیت در مدلسازی فرونشست برخوردار بودند. در حالی که بارش، خشکسالی و برداشت از آب‌های زیرزمینی مهمترین عوامل تأثیرگذار بر تشدید فرونشست در دو دهه اخیر محدوده مطالعاتی شناسایی شدند.