Este estudio presenta un modelo predictivo híbrido de Inteligencia Artificial-Método de Elementos Finitos (IA-MEF) para estimar el módulo de reacción de un subrasante de una cimentación de tira apoyada en un perfil de dos capas. Se llevó a cabo un estudio paramétrico utilizando modelos MEF 2D de cimentaciones de tira con ancho (B) y apoyadas en un perfil de dos capas con grosor de la capa superior (h) y grosor de la capa inferior (H). El suelo fue modelado utilizando la conocida ley constitutiva de Mohr-Coulomb. La curva de carga-asentamiento extraída de cada modelo MEF se aproxima a una función hiperbólica y sus factores (a, b) fueron determinados. El valor de reacción del subrasante (Ks) es el (estrés/asentamiento), por lo tanto (1/Ks = a· + b). Tanto las entradas como las salidas del estudio paramétrico se recopilaron en una única base de datos que contiene los factores geométricos (B, h y H), las propiedades del suelo de las capas superior e inferior (c, y) y los factores hiperbólicos extraídos (a, b). Finalmente, se implementaron tres técnicas de IA: Programación Genética (PG), Regresión Polinómica Evolutiva (RPE) y Redes Neuronales Artificiales (RNA) para desarrollar tres modelos predictivos que estiman los valores de (a, b) utilizando la base de datos recopilada. Los tres modelos desarrollados mostraron diferentes valores de precisión del (50%, 65% y 80%) para (PG, RPE y RNA), respectivamente. La innovación del modelo desarrollado es su capacidad para capturar la degradación de una reacción de subrasante al aumentar el estrés (o el asentamiento) de acuerdo con la fórmula hiperbólica.