Resumen

En este documento, se estableció una base de datos desarrollada a partir de la literatura existente sobre la permeabilidad de la roca. Basándose en la base de datos construida, se propuso un modelo de Máquina de Vectores de Soporte (SVM) con hiperparámetros optimizados por el Algoritmo Evolutivo de la Mente (MEA) para predecir la permeabilidad de la roca. Mientras tanto, se construyeron los modelos de SVM con Algoritmo Genético (GA) y Algoritmo de Enjambre de Partículas (PSO) para comparar los efectos mejoradores de MEA en la precisión de predicción de los modelos de aprendizaje automático con los de GA y PSO, respectivamente. Se llegaron a las siguientes conclusiones. MEA puede aumentar notablemente la precisión predictiva de los modelos de aprendizaje automático construidos en pocas iteraciones, lo que tiene un mejor rendimiento de optimización que el de GA y PSO. MEA-SVM tiene el mejor rendimiento de pronóstico, seguido por PSO-SVM, mientras que la precisión estim

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Base de datos; Permeabilidad; Roca; Máquina de Vectores de Soporte; SVM; Algoritmo Evolutivo de la Mente
• Keywords:Database; Permeability; Rock; Support Vector Machine; SVM; Mind Evolutionary Algorithm