فرونشست زمین در آبخوان اصفهان - برخوار طی دو دهه اخیر، در پی برداشت بی‌رویه از منابع آب زیرزمینی، به مخاطره‌ای جدی تبدیل شده است. این پژوهش باهدف پیش‌بینی نرخ فرونشست و مقایسه عملکرد دو الگوریتم یادگیری ماشین Random Forest و XGBoost انجام شد. متغیر وابسته از ۴۲۸ نقطه تصادفی برگرفته از نقشه InSAR ملی ایران( ۲۰۱۴-۲۰۲۰) استخراج گردید. داده‌های ۵۵ پیزومتر(۱۳۹۳-۱۳۹۹) نیز برای محاسبه نرخ سالانه افت سطح آب از طریق رگرسیون خطی به کار رفت و با روش IDW به نقشه رستری افت آب( GWD) تبدیل شد. سیزده متغیر مؤثر شامل ارتفاع، شیب، جهت شیب، انحنا، TWI، فاصله از جاده‌ها، فاصله از گسل‌ها، فاصله از آبراهه‌ها، NDVI، لیتولوژی، قابلیت انتقال، افت سطح آب زیرزمینی و ضخامت آبرفت با تفکیک مکانی ۲۰ متر آماده‌سازی شدند. داده‌ها به دو بخش آموزش(۷۰٪) و آزمون (۳۰٪) تقسیم و مدل‌ها با اعتبارسنجی متقابل تصادفی و مکانی ارزیابی شدند. در ارزیابی 30/70، Random Forest با R²=0.7734، RMSE=0.9372 و MAE=0.6720 عملکرد بهتری داشته است، اما در مقابل اعتبارسنجی مکانی، کاهش قابل‌توجه تعمیم‌پذیری هر دو مدل را نشان می‌دهد. ضخامت آبرفت، فاصله از گسل، قابلیت انتقال، ارتفاع، لیتولوژی و افت سطح آب نیز از مهم‌ترین عوامل بودند.