| Revista: | Innovación y software |
| Base de datos: | |
| Número de sistema: | 000531182 |
| ISSN: | 2708-0935 |
| Autores: | Gil, Oscar1 |
| Instituciones: | 1Universidad del Zulia, Maracaibo, Zulia. Venezuela |
| Año: | 2023 |
| Volumen: | 4 |
| Número: | 1 |
| Paginación: | 204-218 |
| País: | Perú |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en inglés | In the present study, the collection of machine learning algorithms of the Weka program was used to predict the bubble pressure of 36 oil samples, determining the accuracy of their results with the 10-fold cross-validation test method. Subsequently, for comparison purposes, the bubble pressures were calculated with the correlation generated in the work from which the samples were taken and their results were more precise than those obtained by the algorithms in 4 of the 7 performance metrics used. Due to this situation, and considering that the correlation was evaluated with the same data with which it was generated, the test method was changed to validation with the training data and the bubble pressures were predicted again. Other things being equal, machine learning was more accurate than correlation on all performance metrics. |
| Resumen en español | En el presente estudio se utilizó la colección de algoritmos de aprendizaje automático del programa Weka para predecir la presión de burbujeo de 36 muestras de petróleo, determinando la precisión de sus resultados con el método de prueba validación cruzada de 10 pliegues. Posteriormente, para efectos de comparación, se calcularon las presiones de burbujeo con la correlación generada en el trabajo del cual se tomaron las muestras y sus resultados fueron más precisos que los obtenidos por los algoritmos en 4 de las 7 métricas de rendimiento utilizadas. En virtud de esta situación, y considerando que la correlación fue evaluada con los mismos datos con los que fue generada, se cambió el método de prueba a validación con los datos de entrenamiento y se volvieron a predecir las presiones de burbujeo. En igualdad de condiciones, el aprendizaje automático obtuvo mayor precisión que la correlación en todas las métricas de rendimiento. |
| Disciplinas: | Ciencias de la computación, Ciencia y tecnología |
| Palabras clave: | Algoritmos, Aprendizaje automático, Método de prueba, Presión de burbujeo, Weka |
| Keyword: | Algorithms, Machine learning, Test method, Bubble pressure, Weka |
| Texto completo: | Texto completo (Ver PDF) Texto completo (Ver HTML) |
