تخمین ظرفیت باربری نهایی شالوده های سطحی موضوع بسیاری از تحقیقات در حوزه مکانیک خاک و پی بوده است. برخی از محققین برجسته در این زمینه، اقدام به ارائه روابط و نمودارهایی به منظور تخمین ظرفیت باربری شالوده های سطحی کرده اند. اغلب این تحقیقات بر روی بسترهای همگن و یا حداکثر دو لایه انجام شده است. در سال های اخیر به دلیل بروز تغییراتی در نحوه ساخت و ساز، نیاز به تخمین ظرفیت باربری شالوده های واقع بر بسترهای چند لایه احساس می شود. در این نوشتار تخمین ظرفیت باربری نهایی شالوده های سطحی نواری واقع بر روی بسترهای چند لایه، با استفاده از شبکه های عصبی مصنوعی مورد نظر است. برای این منظور دو نوع از لایه بندی بسترهای خاکی، شامل لایه بندی ماسه روی رس و لایه بندی رسی، بررسی شده اند. ایجاد شبکه های عصبی نیازمند تعدادی داده ورودی است که توسط آنها شبکه مورد آموزش و اعتبارسنجی قرار گیرد. در این تحقیق به منظور ایجاد داده های مورد نیاز برای آموزش شبکه عصبی، از روش اجزاء محدود استفاده شده است و شبکه های عصبی برای هر دو حالت لایه بندی ماسه روی رس و لایه بندی رسی، به طور جداگانه آموزش دیده اند. در ادامه، روش رگرسیون چند متغیره که قادر است با برازش از میان نتایج حاصل از مدلسازی عددی، رابطه ای کاربردی بین پارامترهای ورودی و ظرفیت باربری نهایی برقرار نماید، معرفی شده است. در این روش برخی انواع توابعی که قادر به برقراری این ارتباط هستند، مورد بررسی قرار گرفته اند. اعتبارسنجی شبکه عصبی برای هر دو حالت لایه بندی ماسه روی رس و لایه بندی رسی نشان می دهد که این روش قادر است ظرفیت باربری نهایی شالوده های سطحی واقع بر روی بسترهای لایه ای را به نحو مطلوبی تخمین بزند. اثر هر یک از پارامترهای ورودی در مقدار ظرفیت باربری نهایی به کمک شبکه عصبی بررسی شده و نتایج حاصل از آن با نتایج حاصل از مدلسازی عددی و همچنین آنچه که از طبیعتِ رفتار شالوده انتظار می رود، مقایسه شده است. این مقایسه نشانگر عملکرد مناسب تکنیک شبکه های عصبی در ارزیابی اثر پارامترهای ورودی در ظرفیت باربری نهایی است. اعتبارسنجی فرمول های ارائه شده جهت تخمین ظرفیت باربری نهایی شالوده به روش رگرسیون چند متغیره نیز، نشانگر عملکرد مناسب این روش است.