Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Arguello Fuentes, HenryCarvajal Jimenez, Jenny MabelGalvis Carreño, Laura VivianaOchoa Coronado, Cesar Augusto2024-03-0320092024-03-0320092009https://noesis.uis.edu.co/handle/20.500.14071/22468En la industria del petróleo, es importante el estudio de las rocas que se extraen de determinada zona para obtener la información necesaria en la toma de decisiones a la hora de realizar trabajos de exploración y explotación. Para encontrar los valores de resistencia a la tensión, UCS (Resistencia a la compresión sin confinamiento) y CCS (Resistencia a la compresión con confinamiento), que indican el comportamiento mecánico de la roca, es necesario realizar una prueba en un laboratorio. Sin llevar a cabo un ensayo sobre una muestra de roca, no se pueden obtener aproximaciones de los valores anteriormente mencionados. En este trabajo se presenta el desarrollo de una herramienta computacional que soluciona el problema de la estimación de los valores de resistencia mediante una arquitectura de red neuronal que utiliza para su entrenamiento datos de petrofísica como datos de entrada y, como datos de salida, valores de resistencia obtenidos de pruebas ya realizadas sobre rocas en laboratorio. Además, también se presenta un algoritmo genético diseñado para buscar la configuración de la red a utilizar, que realiza una búsqueda y optimización de configuraciones, teniendo como objetivo disminuir el valor de error presente en la red neuronal.application/pdfspahttp://creativecommons.org/licenses/by/4.0/Red neuronalAlgoritmo genéticoJAVAConfiguraciónAreniscasResitenciashttp tunneling.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coNeural networkGenetic algorithmJAVAConfigurationSandstonesStrengthhttp tunneling.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)