Resumen

Este artículo presenta la forma como fueron combinadas dos técnicas de inteligencia artificial, redes neuronales y algoritmos genéticos, para el desarrollo de una herramienta computacional utilizada para la estimación de propiedades mecánicas tales como la resistencia a la tensión, la resistencia a la compresión uniaxial y la resistencia a la compresión triaxial en areniscas, a partir de propiedades petrofísicas utilizando datos de pruebas del Laboratorio de Mecánica de Rocas del Instituto Colombiano del Petróleo – Ecopetrol S.A. como datos de entrenamiento facilitando el diseño de ensayos no destructivos con cierto grado de confianza y dando lugar a una reducción de costos.

1 INTRODUCCIÓN

La estimación de propiedades o parámetros en diversas áreas de estudio es de interós para los investigadores que trabajan en lograr que sus modelos predigan estos parámetros con un alto grado de certeza y confiabilidad. Según la literatura, la técnica más utilizada para obtener estimaciones de parámetros es el clásico análisis de regresión; sin embargo, la calidad de las estimaciones por medio de esta técnica se ven limitadas cuando se presenta un problema no lineal [1]. Las redes neuronales artificiales constituyen un enfoque fundamentalmente distinto que consiste en aprender y generalizar las interacciones entre las variables de entrada y salida de un conjunto de datos. Debido a esta capacidad de aprender, las redes neuronales presentan un gran potencial en el modelado de comportamientos de rocas a partir de datos experimentales (2) [8]. Sin embargo, el principal obstáculo al utilizar esta técnica, es la determinación de la configuración de las partes de la red neuronal artificial, las cuales pueden ser ordenadas de múltiples formas.

• Materias:Inteligencia artificial Algoritmos genéticos Propiedades mecánicas Redes neuronales (Computadores) Rocas
• Subjects:Artificial intelligence Genetic algorithms Mechanical properties Neural networks (Computer science) Roks
• Palabras claves:Inteligencia artificial; Red neuronal artificial; Algoritmo genético; Propiedades petrofísicas; Propiedades mecánicas.
• Keywords:Artificial intelligence; Artificial neural network; Genetic algorithm; Petrophysical properties; Mechanical properties.