مدل‌‌های پیش‌‌بینی بخشی از رویکرد‌های آماری مبتنی‌بر GIS هستند، که درمیان پژوهش‌‌های باستان‌شناختی با توجه به توسعۀ تئوری‌‌ها و ابزار‌های مورداستفاده، جایگاه مهمی دارند. مدل‌های پیش‌‌بینی در کنار پردازش و بررسی آماری متغیر‌های محیطی تأثیرگذار بر مکان‌‌گزینی محوطه و کمک به شناخت چشم‌‌انداز فرهنگی و طبیعی منطقۀ موردمطالعه، منجر به ارائه برنامه برای مدیریت بهتر میراث‌فرهنگی می‌‌شوند. این نوشتار نیز با رویکردی آماری-تحلیلی و با به‌کارگیری داده‌‌های حاصل از بررسی باستان‌شناختی، سعی‌در ارائه مدل پیش‌بینی بخشی از منطقۀ شرق کردستان را دارد که در آن بررسی‌‌ باستان‌شناختی صورت نگرفته است. مدل‌سازی پیش‌بینی به روش یادگیری ماشینی MaxEnt با استفاده از 11عامل به‌عنوان متغیر طبیعی و هم‌چنین داده‌‌های حضور (محوطه‌ها) که برای مدل‌سازی ضرورت دارند، انجام گرفته است. مساحت مدل به دو بخش آزمایشی (بیجار و دهگلان) و محدودۀ پیش‌بینی (قروه) تقسیم شده است؛ چراکه مدل پیش‌بینی‌ شهرستان قروه براساس متغیر‌های طبیعی و داده‌‌های حضور شهرستان‌های بیجار و دهگلان رخ‌داده است. درنهایت نقشۀ پیش‌بینی به چهار کلاس به‌عنوان محدودۀ با مطلوبیت خیلی زیاد، زیاد، متوسط و کم، تقسیم شد. محدودۀ خیلی زیاد که شامل 10% مساحت کل مدل می‌‌شود دربر گیرندۀ 59% محوطه‌‌های عصرآهن بخش شرقی کردستان می‌شود و در عین‌حال مشخص شد متغیر‌های پوشش گیاهی، کاربری اراضی و فاصله از رود‌ها از تأثیرگذارترین عوامل بر مدل بوده‌اند؛ هم‌چنین داده‌‌های اولیه در قروه، 62% از محوطه‌‌ها را در مساحت 8% با مطلوبیت خیلی زیاد نشان می‌‌دهد که نشان از صحت پیش‌بینی دارد، و آمارۀ AUC مقدار 0.836 را نشان می‌دهد و مقدار یابش 0.82 برای مدل محاسبه شده است که نشان از مدل پیش‌بینی با ارزش رویکردی 1 دارد.