La inmigración rural-urbana, las guerras regionales, los refugiados y los desastres naturales destacan la importancia de estudiar el crecimiento urbano. Las tasas de crecimiento urbano en aumento se están convirtiendo en un fenómeno global que crea estrés en la tierra agrícola, propaga la contaminación, acelera el calentamiento global y aumenta el escurrimiento de agua, lo que añade exponencialmente presión sobre los recursos naturales e impacta el cambio climático. Basándonos en la integración del aprendizaje automático (ML) y los sistemas de información geográfica (GIS), empleamos un marco para delinear los futuros límites urbanos para la expansión futura y las aglomeraciones urbanas. Lo desarrollamos basado en una Red Neuronal de Retardo Temporal (TDNN) que depende de intervalos de tiempo iguales de crecimiento urbano. Este enfoque se utiliza por primera vez en el crecimiento urbano como una herramienta predictiva y se acopla con el Análisis de Idoneidad del Suelo, que incorpora tanto datos cualitativos como cuantitativos para proponer un crecimiento urbano evaluado en el Municipio de Irbid, Jordania. Los resultados muestran la expansión espacial futura recomendada y los resultados propuestos para el año 2025. Los resultados muestran que el crecimiento urbano es más prevalente en las áreas este, norte y sur y menos en el oeste. El mapa de límites de crecimiento urbano ilustra que la continuación del crecimiento urbano en estas áreas irá lentamente invadiendo y disminuyendo la tierra agrícola. Mediante el análisis de idoneidad, los resultados mostraron que el 51% de la región no es adecuada para el crecimiento, el 43% es moderadamente adecuada y solo el 6% es adecuada para el crecimiento. Basándonos en la metodología TDNN, que es un marco de ML que depende del crecimiento de los límites urbanos, podemos rastrear y predecir la tendencia de la expansión espacial urbana y así desarrollar políticas para proteger las tierras ecológicas y agrícolas y optimizar y dirigir el crecimiento urbano.