Este estudio propone el DNN-MVLEM, un nuevo macromodelo para el análisis no lineal de muros de corte de hormigón armado basado en redes neuronales profundas (DNN); mientras que la mayoría de las técnicas de macromodelado de muros de corte de hormigón armado siguen un enfoque determinista para encontrar la configuración correcta y las propiedades del sistema, en este estudio, en cambio, se propone una estrategia alternativa basada en datos. El DNN-MVLEM propuesto está compuesto por cuatro elementos verticales viga-columna y un muelle de corte horizontal. Los elementos viga-columna implementan la formulación de sección de fibra con modelos de material uniaxial no lineales estándar para hormigón y acero, mientras que el muelle de corte horizontal utiliza una relación fuerza-desplazamiento multilinear. Además, se introducen tres factores de calibración para mejorar el rendimiento del macromodelo. El componente basado en datos de la estrategia propuesta consiste en un DNN grande que se entrena para predecir la curva fuerza-desplazamiento del muelle de corte y los tres factores de calibración. Los datos de entrenamiento se crean utilizando un modelo FEM microscópico paramétrico basado en la formulación de elementos de capa múltiple y un algoritmo genético (GA) que optimiza la respuesta del macromodelo para que coincida con el comportamiento del modelo FEM microscópico. El DNN-MVLEM se prueba en dos tipos de ejemplos, primero como un modelo independiente y luego como parte de una estructura de marco de dos bahías de varios pisos. Los resultados muestran que el DNN-MVLEM es capaz de reproducir los resultados obtenidos con el modelo FEM microscópico hasta 100 veces más rápido y con un error estimado inferior al 5%.