En este estudio, se desarrolló un modelo innovador derivado de una red neuronal artificial (ANN) para estimar las profundidades de suelo fallido de eventos de deslizamientos de tierra superficiales inducidos por la lluvia, denominado modelo SM_EFD_LS. El modelo SM_EFD_LS propuesto se creó utilizando el modelo ANN modificado a través del enfoque de calibración de algoritmo genético (GA-SA) con múltiples funciones de transferencia (MTFs) (ANN_GA-SA_MTF) con un número significativo de profundidades de suelo fallido y factores de lluvia correspondientes. Se seleccionaron diez puntos susceptibles a deslizamientos de tierra superficiales en la cuenca de Jhuokou en el sur de Taiwán como área de estudio. Las 1000 simulaciones asociadas de eventos de deslizamientos de tierra superficiales inducidos por la lluvia se utilizaron en el desarrollo y validación del modelo. Los resultados de la validación del modelo indican que las profundidades de suelo fallido validadas se encuentran principalmente dentro de los intervalos de confianza del 60% resultantes del modelo SM_EFD_LS propuesto. Además, las profundidades de fallo estimadas se asemejan a las validadas, con promedios aceptables del error absoluto (RMSE) y el error relativo (MRE) (11 cm y 0.06) y un alto índice de fiabilidad del modelo de 1.2. En el futuro, las profundidades de suelo fallido basadas en probabilidades obtenidas utilizando el modelo SM_EFD_LS propuesto podrían ser introducidas con la fiabilidad deseada necesaria para sistemas de advertencia y prevención de deslizamientos de tierra.