Este estudio utiliza redes neuronales artificiales, con un enfoque cuantitativo y un diseño descriptivo no experimental transaccional, tuvo como objetivo general utilizar estas redes para pronosticar de manera precisa las condiciones de la superficie de la carretera Juliaca-Puno durante días lluviosos, con miras a mejorar la seguridad y eficiencia del tráfico en dicha vía. Para ello, se implementó un modelo de red neuronal artificial tipo Perceptrón Multicapa (MLP), entrenado con datos históricos de precipitación y tráfico recolectados en la zona de estudio. El modelo demostró una alta precisión en la predicción de las condiciones de la superficie vial, con una correlación significativa de 0.5 entre las variables de entrada (datos climáticos, tráfico, etc.) y las condiciones reales de la carretera. Además, se obtuvieron bajos valores de error cuadrático medio (MSE=0.3763...