Se presenta un nuevo algoritmo de Optimización de Redes Neuronales (NNO) para la identificación de parámetros de materiales constitutivos basado en el análisis inverso de pruebas experimentales de prismas de mampostería a pequeña escala bajo cargas de compresión. Se utiliza el modelo constitutivo de Plasticidad Dañada del Concreto (CDP) para el ladrillo y el mortero de las paredes de Mampostería No Reforzada (URM). A través de comparaciones con datos experimentales obtenidos de pruebas de laboratorio, se demuestra que los parámetros constitutivos calibrados mediante la aplicación del procedimiento de optimización inversa propuesto en los resultados experimentales a pequeña escala (prisma) son lo suficientemente precisos como para permitir la predicción de la respuesta mecánica de paredes URM a gran escala sujetas a cargas de compresión y laterales. Esto elimina la necesidad de pruebas experimentales de paredes URM a gran escala para la identificación de sus propiedades materiales, haciendo que el proceso de calibración sea más económico. Después de verificar la precisión de los parámetros constitutivos calibrados basándose en las comparaciones anteriores, se realiza un estudio paramétrico numérico para investigar el efecto del comportamiento del material y las relaciones de aspecto geométrico en los mecanismos de fallo de las paredes URM a gran escala.