CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / Esta investigaÃÃo propÃe o desenvolvimento de um mÃtodo para a localizaÃÃo e prediÃÃo das caracterÃsticas geotÃcnicas dos solos que possa contribuir para o processo da tomada de decisÃo, quanto à sua utilizaÃÃo, para fins de pavimentaÃÃo. Utilizou-se Geoprocessamento e Redes Neurais Artificiais (RNAs) como tÃcnicas de modelagem, bem como variÃveis biofÃsicas e espaciais como explicativas dos fenÃmenos modelados. As caracterÃsticas pesquisadas (pedologia, geologia, geomorfologia, vegetaÃÃo, altimetria e posiÃÃo) se correlacionaram com as variÃveis geotÃcnicas estimadas (classificaÃÃo TRB - Transportation Research Board e CBR - California Bearing Ratio) para solos provenientes da RegiÃo Metropolitana de Fortaleza (RMF). Assim, desenvolveu-se trÃs modelos de RNAs que foram calibrados, validados e testados. Dois desses modelos foram dedicados à geraÃÃo de estimativas de CBR nas energias de compactaÃÃo normal (CBR-N) e intermediÃria (CBR-I). O terceiro modelo foi elaborado para geraÃÃo de estimativas da classificaÃÃo TRB dos solos da RMF. As caracterÃsticas geotÃcnicas estimadas por estes modelos possibilitaram a elaboraÃÃo dos chamados Mapas GeotÃcnicos Neurais, estratificados para previsÃo dos valores de CBR-N, CBR-I e ClassificaÃÃo TRB. Adicionalmente, os mapas produzidos e todas as informaÃÃes da pesquisa foram disponibilizados em um Sistema de InformaÃÃes GeogrÃficas Web (SIG-Web), de forma a possibilitar seu uso em projetos viÃrios e estudos acadÃmicos futuros, tanto para download dos mapas gerados, quanto para geraÃÃo de estimativas para uma Ãrea especÃfica da RMF. AlÃm disso, disponibilizou-se ao SIG-Web um realimentador de pontos geotÃcnicos para permitir uma recalibraÃÃo futura dos modelos na tentativa de melhorar a qualidade das estimativas geradas que atualmente à superior a 90% de taxa de acerto. / This research focuses on the development of a method, aimed to predicting and positioning the geotechnical characteristics of soils that may contribute to the process of decision making of its use for paving purposes. Were used Geoprocessing and Artificial Neural Networks (ANN) modeling techniques, as well as spatial and biophysical variables of the phenomena modeled. The characteristics studied (pedology, geology, geomorphology, vegetation, altimetry and position) were correlated with the estimated geotechnical variables (TRB Classification and CBR) for soils from the metropolitan region of Fortaleza, Cearà (RMF). Three models of ANNs were developed calibrated, validated and tested. Two of these models were dedicated to generating estimates of CBR in the normal (CBR-N) and intermediate (CBR-I) compaction modes. The third model was developed to generate estimates of the geotechnical characteristics of the soils from the RMF Classification TRB. The geotechnical characteristics estimated by these models enabled the preparation of Neural Geotechnical Maps, stratified for values of CBR-N, CBR-I and TRB Classification. The maps produced and all the survey information was made available on a Web Geographic Information System (Webmapping), thus allowing its use in road projects and future academic studies, both to download the maps and to generate estimates for RMF. In addition, provided to the Webmapping a geotechnical receiver points, to allow recalibration of future models in an attempt to improve the quality of the estimates that currently is more than 90% accuracy rate.