El enfoque de redes neuronales artificiales se aplica para estimar el rendimiento acústico de las curvas de aislamiento sonoro aéreo y de impacto de diferentes suelos de madera ligera. El modelo de predicción se desarrolla en base a 252 curvas de medición de laboratorio estandarizadas en bandas de octava de un tercio (50-5000 Hz). Se utilizan características físicas y geométricas de cada estructura de suelo (materiales, grosor, densidad, dimensiones, masa y más) como parámetros de la red. La capacidad predictiva es satisfactoria, y el modelo puede estimar mejor el sonido aéreo que los casos de sonido de impacto, especialmente en el rango de frecuencias medias (250-1000 Hz), mientras que las bandas de frecuencia más altas a menudo muestran errores altos. La previsión del índice de reducción de sonido aéreo ponderado se calculó con un error máximo de 2 dB. Sin embargo, el error aumentó hasta 5 dB en el peor caso de predicción del nivel de presión sonora de impacto normalizado ponderado. El modelo mostró altas variaciones cerca de las áreas de frecuencia fundamental y crítica, lo que afecta la precisión. Un análisis de atribución de características exploró los parámetros esenciales en la estimación del aislamiento sonoro. El grosor de los materiales de aislamiento, la densidad de la losa de madera contralaminada y los suelos flotantes de concreto, así como la densidad total de las estructuras de suelo, parecen afectar más las predicciones. Una comparación entre sistemas de soluciones de suelos húmedos y secos indicó la importancia de la parte superior de los suelos para estimar el sonido aéreo y de impacto en bajas frecuencias.