No Brasil, o desenvolvimento do método mecanístico-empírico de dimensionamento de pavimentos flexíveis, MeDiNa, requer parâmetros referentes às características mecânicas dos materiais e, entre eles, o comportamento resiliente. As deformações resilientes são obtidas em laboratório com o ensaio Triaxial de Carga Repetida, mas o equipamento necessário à sua execução ainda requer grande capital de investimento. Dada a evolução da modelagem computacional e a possibilidade de aquisição de resultados rápidos e confiáveis por meio de sistemas inteligentes, nesse trabalho se objetivou construir Redes Neurais Artificias capazes de predizer o Módulo de Resiliência de solos melhorados com cimento a partir de sua caracterização física. A qualidade dos modelos foi mensurada por índices estatísticos e análise das diferenças nos resultados do dimensionamento com uso dos valores preditos em relação aos obtidos em ensaios. Além disso, fez-se análises estatísticas para verificação da alteração das propriedades dos solos estudados após a adição do aglomerante. Os resultados indicam melhoria no comportamento resiliente dos materiais, mas não linearmente proporcional à adição de cimento. Em relação à predição do Módulo de Resiliência, obteve-se bons resultados para os índices analisados e, consequentemente, pouca ou nenhuma diferença entre as estruturas dimensionadas. As Redes Neurais Artificias desenvolvidas nesse trabalho mostraram desempenho superior àquelas até então publicadas, no tangente à magnitude dos erros de predição.
Palavras-chave: Predição; Módulo de resiliência; Redes neurais artificiais.