Mapas predictivos con redes neuronales a partir de propiedades físicas de las rocas: caso de estudio en la Mesa de Los Santos (Santander)

La Mesa de Los Santos ha tenido un continuo desarrollo en su infraestructura, agricultura y turismo, especialmente en la zona norte, lo que ha generado una mayor demanda en el suministro de agua potable. Los estudios geológicos, hidrológicos y geofísicos previos han resaltado la importancia de comprender las propiedades físicas de las rocas, así como su estimación espacial, razón por la cual, en este trabajo se implementaron modelos de red neuronal. Los resultados de laboratorio obtenidos para las muestras asociadas a la Formación Los Santos presentan porosidades de hasta 25%, mientras que la Formación Rosa Blanca muestra valores inferiores al 5% en unidades carbonatadas y de hasta un 30% para las litologías arenosas. La velocidad de onda P... Ver más

Guardado en:

1794-1237

2463-0950

21

2024-01-01

4112 pp. 1

33

http://purl.org/coar/access_right/c_abf2

info:eu-repo/semantics/openAccess

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Revista EIA - 2023

id 6c5a9a3791578020df733bcfab36d699
record_format ojs
spelling Mapas predictivos con redes neuronales a partir de propiedades físicas de las rocas: caso de estudio en la Mesa de Los Santos (Santander)
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning. Springer New York. https://doi.org/10.1007/978-0-387-84858-7
MacKay, D. J. C. (2003). Information Theory, Inference, and Learning Algorithms. Cambridge University Press, Cambridge.
Lowrie, W. (2007). Fundamentals of Geophysics, second edition. En Cambridge University Press.
Laverde Montano, F. (1985). La Formación Los Santos: un depósito continental anterior al ingreso marino del Cretácico < Proyecto Cretácico: Capitulo XX >. Publicaciones geológicas especiales del INGEOMINAS, 16, 1–24. https://biblat.unam.mx/es/revista/publicaciones-geologicas-especiales-del-ingeominas/articulo/la-formacion-los-santos-un-deposito-continental-anterior-al-ingreso-marino-del-cretacico-proyecto-cretacico-capitulo-xx
Kirsch, R. (2009). Groundwater Geophysics (R. Kirsch, Ed.). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-88405-7
Kearey, P., Brooks, M., & Hill, I. (2002). An Introduction to Geophysical Exploration THIRD EDITION.
Instrumentation GDD Inc. (2018). Manual del usuario. PROBADOR SCIP (Sample Core Induced Polarization) Modelo TDLV.
IngeoExploraciones. (2016). Elaboración y Formulación Del Plan de Manejo de Aguas Subterráneas en el Sector de la Mesa, Municipio de Los Santos. Fase III.
IDEAM. (2019). Estudio Nacional del Agua 2018. https://catalogo.sgc.gov.co/cgi-bin/koha/opac-detail.pl?biblionumber=46410
Gómez Sánchez, C. F., Wandurraga Jiménez, L., Molina Narváez, M., & Sarmiento Romero, M. (2014). Análisis de la Situación Hidrogeológica de la Mesa de Los Santos, Departamento de Santander. Universidad Católica de Colombia.
Milsom, J. (2003). Field Geophysics. The geological field guide series. (3er ed.). John Wiley & Sons Ltd.
GCTS Testing Systems. (2018). Brochure. PLT-2W GCTS Wireless Point Load Test System.
Garzón Hernández, Y. X., & Salcedo Rueda, H. D. (2022). Estimación de la recarga potencial mensual en La Mesa de Los Santos (Santander) [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/9902
García Arias, S. A. (2022). Análisis estructural de la Mesa de Los Santos y redes neuronales para la estimación local de las propiedades físicas de la roca [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/11267 García Arias, S. A., & Gómez García, E. A. (2015). Modelo Conceptual Hidrogeofísico para evaluar el Potencial Hidrogeológico de la Formación Los Santos en la Mesa de Los Santos-Santander, Colombia. Universidad Industrial de Santander.
Friedman, J. H. (1997). On bias, variance, 0/1-loss, and the curse-of-dimensionality. Data Mining and Knowledge Discovery, 1(1), 55–77. https://doi.org/10.1023/A:1009778005914
FitzGerald, D. (2019). Artificial intelligence techniques to the interpretation of geophysical measurements. ASEG Extended Abstracts, 2019(1), 1–5. https://doi.org/10.1080/22020586.2019.12073000
Dramsch, J. S. (2020). 70 years of machine learning in geoscience in review. En Advances in Geophysics (pp. 1–55). Elsevier Inc. https://doi.org/10.1016/bs.agph.2020.08.002
Díaz, E. J., Contreras, N. M., Pinto, J. E., Velandia, F., Morales, C. J., & Hincapie, G. (2009). Evaluación Hidrogeológica Preliminar de Las Unidades Geológicas de la Mesa de Los Santos, Santander. Boletín de Geología, 31. https://revistas.uis.edu.co/index.php/revistaboletindegeologia/article/view/167
Díaz Duarte, A. J., & Duarte Tarazona, A. F. (2019). Evaluación Geofísica en Rocas Cretácicas Sedimentarias de Los Municipios de Barichara, Mogotes y el Sector Conocido Como la Mesa de Los Santos en el Departamento de Santander, Mediante Sondeos Electromagnéticos en el Dominio Del Tiempo (SEDT) y Sondeos El [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/13021
McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. The Bulletin of Mathematical Biophysics, 5(4), 115–133. https://doi.org/10.1007/BF02478259
Moreno Moreno, J. A., & Zárate Martínez, P. S. (2023). Caracterización de perfiles de meteorización del miembro superior de la Formación Los Santos y su correlación mediante modelamiento geoeléctrico y de georradar en La Mesa de Los Santos [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/14345
Cracknell, M. J. (2014). Machine Learning For Geological Mapping: Algorithms And Applications [University of Tasmania]. https://doi.org/https://doi.org/10.25959/23236064.v1
info:eu-repo/semantics/article
Text
http://purl.org/coar/access_right/c_abf2
info:eu-repo/semantics/openAccess
http://purl.org/coar/version/c_970fb48d4fbd8a85
info:eu-repo/semantics/publishedVersion
http://purl.org/redcol/resource_type/ART
http://purl.org/coar/resource_type/c_2df8fbb1
http://purl.org/coar/resource_type/c_6501
Wilches Sánchez, L., & Corzo Farfán, A. F. (2015). Caracterización Geoelectrica en la Vereda “La Esperanza” Sector de la Mesa de Los Santos, Municipio de Piedecuesta, Santander. Universidad Industrial de Santander.
Moyano Nieto, I. E. (2010). Prospección Geoeléctrica en La Mesa de Los Santos (Santander). Procesamiento e Interpretación de Sondeos Eléctricos verticales.
Ward, D., Goldsmith, R., Jimeno, A., Cruz Buenaventura, J., Restrepo, H., & Gomez, E. (1977). Geología de la Plancha 109 Rionegro.
Vergel Navarro, S., & Remolina Rivero, B. Y. (2023). Estudio del nivel freático de la unidad acuífera del Miembro Superior de la Formación Los Santos, vereda La Fuente, municipio Los Santos del departamento de Santander, mediante los métodos geofísicos de Tomografía de Resistividad Eléctrica y Sísmica de Refracción [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/14433
Velandia, F., García-Delgado, H., Zuluaga, C. A., López, J. A., Bermúdez, M. A., & Audemard M, F. A. (2020). Present-day structural frame of the Santander Massif and Pamplona Wedge: The interaction of the Northern Andes. Journal of Structural Geology, 137, 104087. https://doi.org/10.1016/j.jsg.2020.104087
Vargas Jerez, C. Y. (2008). Cartografía Geológica a Escala 1:25.000 de la Mesa de Los Santos, Departamento de Santander. Universidad Industrial de Santander.
Vargas Cáceres, M. I. (2021). Comparación de la anisotropía de la resistividad del subsuelo fracturado en zonas aledañas a diferentes tipos de estructuras, e implicaciones hidrogeológicas para un área rural del municipio de Los Santos, Santander [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/9400
Rojas, R. (1996). Neural Networks. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-61068-4 van der Baan, M., & Jutten, C. (2000). Neural networks in geophysical applications. GEOPHYSICS, 65(4), 1032–1047. https://doi.org/10.1190/1.1444797
Rohwer, R., Wynne-Jones, M., & Wysotzki, F. (1994). Neural networks. En Machine Learning, Neural and Statistical Classification (pp. 84–106). Ellis Horwood.
Pinto V., J. E., Clavijo Torres, J., Gómez Isidro, S., Gutiérrez Toledo, D., Mora Ortiz, J. P., Rojas Parra, N. R., Adarme, I. R., Aldana, S. C., Contreras, N. M., Díaz, E. J., Melo, L. F., Tarazona, G. R., Rincón, M. A., Vargas J., C. Y., Morales A., C. J., Velandia P., F., Hincapié V., G., Forero O., H., Duarte, R., … De Bermoudes, O. (2007). Proyecto de investigación geológica e hidrogeológica en la Mesa de Los Santos, sector noreste de Curití y borde occidental del Macizo de Santander, departamento de Santander. (Memoria explicativa de la investigación geológica e hidrogeológica en la Mesa d.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Müller, A., Nothman, J., Louppe, G., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, É. (2012). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, 12, 2825–2830. http://arxiv.org/abs/1201.0490
De Julivert, Z. (1963). Estudio petrográfico de las calizas de la Formación Rosablanca de la región de la Mesa de Los Santos (Cordillera Oriental, Colombia). Boletín de Geología, 15, 5–34. https://revistas.uis.edu.co/index.php/revistaboletindegeologia/article/view/5769
Contreras Vásquez, N. M. (2008). Análisis Del Fracturamiento Presente en la Formación Los Santos al Norte y Centro de la Mesa de Los Santos, Departamento de Santander. Universidad Industrial de Santander.
Publication
Sanabria Gómez, José David
scikit-learn
hidrogeología
formación los santos
formación rosa blanca
21
41
Núm. 41 , Año 2024 : .
Artículo de revista
Becerra-Hernández, N. J., & Parra Estepa, C. G. (2016). Balance Hídrico Para Estimar Recarga Potencial en la Mesa de Los Santos y Dirección de Flujo de Aguas Subterraneas. Universidad Industrial de Santander.
application/pdf
Fondo Editorial EIA - Universidad EIA
Revista EIA
Ulloque Ardila, María Teresa
https://revistas.eia.edu.co/index.php/reveia/article/view/1731
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Baneshi, M., Behzadijo, M., Schaffie, M., & Nezamabadi-Pour, H. (2013). Predicting Log Data by Using Artificial Neural Networks to Approximate Petrophysical Parameters of Formation. Petroleum Science and Technology, 31(12), 1238–1248. https://doi.org/10.1080/10916466.2010.540611
Allo, F., Coulon, J.-P., Formento, J.-L., Reboul, R., Capar, L., Darnet, M., Issautier, B., Marc, S., & Stopin, A. (2021). Characterization of a carbonate geothermal reservoir using rock-physics-guided deep neural networks. The Leading Edge, 40(10), 751–758. https://doi.org/10.1190/tle40100751.1
Alarcón, C. M., & Rodríguez, J. G. (2019). Estratigrafía, facies y paleoambiente de sedimentación de la Formación Jordán: un registro fluvio-lacustre con incidencia de actividad volcánica [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/13047
Alarcón, C. M., Clavijo-Torres, J., Mantilla-Figueroa, L. C., & Rodríguez, J. G. (2020). Nueva propuesta de edades para el registro sedimentario de las formaciones Bocas y Jordán y su relación con el desarrollo de la actividad magmática del Grupo Plutónico de Santander (Cordillera Oriental, Colombia). Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales, 44(173), 1137–1151. https://doi.org/10.18257/raccefyn.1208
La Mesa de Los Santos ha tenido un continuo desarrollo en su infraestructura, agricultura y turismo, especialmente en la zona norte, lo que ha generado una mayor demanda en el suministro de agua potable. Los estudios geológicos, hidrológicos y geofísicos previos han resaltado la importancia de comprender las propiedades físicas de las rocas, así como su estimación espacial, razón por la cual, en este trabajo se implementaron modelos de red neuronal. Los resultados de laboratorio obtenidos para las muestras asociadas a la Formación Los Santos presentan porosidades de hasta 25%, mientras que la Formación Rosa Blanca muestra valores inferiores al 5% en unidades carbonatadas y de hasta un 30% para las litologías arenosas. La velocidad de onda P para ambas formaciones de interés se encuentra en un rango entre los 1000 y 6000 . Los valores de resistividad se vieron influenciados por el fluido de poro (agua), obteniendo valores entre &amp;nbsp;para las formaciones Los Santos y Rosa Blanca &amp;nbsp; Los mapas generados por la red neuronal proporcionaron una distribución geológica coherente y precisa en comparación con los métodos de interpolación tradicionales. Sin embargo, se advirtió incertidumbre en áreas con fracturamiento y meteorización intensa, lo que podría afectar los resultados en zonas cercanas a fallas geológicas. Estos hallazgos proporcionan información valiosa para estudios geológicos, hidrogeológicos e ingenieriles en la región. &amp;nbsp;
Revista EIA - 2023
Español
https://creativecommons.org/licenses/by-nc-nd/4.0
García-Arias, Sergio
Velandia Patiño, Francisco Alberto
regresor de perceptrón multicapa
los santos formation
hydrogeology
The Mesa de Los Santos region is known for its continuous development in infrastructure, agriculture, and tourism, especially in the north sector, which has generated a greater demand in the supply of drinking water. Previous geological, hydrological, and geophysical studies highlighted the importance of understanding the physical properties of rocks, as well as their spatial estimation, the reason why we implemented neural network models in this work. The laboratory results for the samples associated with the Los Santos Formation present porosities of up to 25%, while the Rosa Blanca Formation shows values of less than 5% in carbonate units and up to 30% for sandy lithologies. The P-wave velocity for both formations of interest is in a range between 1000 y 6000 . The resistivity values were influenced by the pore fluid (water), obtaining values between &amp;nbsp;for the Los Santos and Rosa Blanca formations. &amp;nbsp; The maps generated by the neural network provided a consistent and accurate geological distribution compared to traditional interpolation methods. However, uncertainty was noted in areas with intense fracturing and weathering, which could affect the results in areas close to geological faults. These findings provide valuable information for geological, hydrogeological, and engineering studies in the region.
scikit-learn
multilayer perceptron regressor
Predictive maps from neural networks based on rocks physical properties: case study in the Mesa de Los Santos (Santander)
rosa blanca formation
Journal article
https://revistas.eia.edu.co/index.php/reveia/article/download/1731/1586
2024-01-01 09:26:25
2024-01-01 09:26:25
2024-01-01
1794-1237
2463-0950
10.24050/reia.v21i41.1731
https://doi.org/10.24050/reia.v21i41.1731
4112 pp. 1
33
institution UNIVERSIDAD EIA
thumbnail https://nuevo.metarevistas.org/UNIVERSIDADEIA/logo.png
country_str Colombia
collection Revista EIA
title Mapas predictivos con redes neuronales a partir de propiedades físicas de las rocas: caso de estudio en la Mesa de Los Santos (Santander)
spellingShingle Mapas predictivos con redes neuronales a partir de propiedades físicas de las rocas: caso de estudio en la Mesa de Los Santos (Santander)
Sanabria Gómez, José David
Ulloque Ardila, María Teresa
García-Arias, Sergio
Velandia Patiño, Francisco Alberto
scikit-learn
hidrogeología
formación los santos
formación rosa blanca
regresor de perceptrón multicapa
los santos formation
hydrogeology
scikit-learn
multilayer perceptron regressor
rosa blanca formation
title_short Mapas predictivos con redes neuronales a partir de propiedades físicas de las rocas: caso de estudio en la Mesa de Los Santos (Santander)
title_full Mapas predictivos con redes neuronales a partir de propiedades físicas de las rocas: caso de estudio en la Mesa de Los Santos (Santander)
title_fullStr Mapas predictivos con redes neuronales a partir de propiedades físicas de las rocas: caso de estudio en la Mesa de Los Santos (Santander)
title_full_unstemmed Mapas predictivos con redes neuronales a partir de propiedades físicas de las rocas: caso de estudio en la Mesa de Los Santos (Santander)
title_sort mapas predictivos con redes neuronales a partir de propiedades físicas de las rocas: caso de estudio en la mesa de los santos (santander)
title_eng Predictive maps from neural networks based on rocks physical properties: case study in the Mesa de Los Santos (Santander)
description La Mesa de Los Santos ha tenido un continuo desarrollo en su infraestructura, agricultura y turismo, especialmente en la zona norte, lo que ha generado una mayor demanda en el suministro de agua potable. Los estudios geológicos, hidrológicos y geofísicos previos han resaltado la importancia de comprender las propiedades físicas de las rocas, así como su estimación espacial, razón por la cual, en este trabajo se implementaron modelos de red neuronal. Los resultados de laboratorio obtenidos para las muestras asociadas a la Formación Los Santos presentan porosidades de hasta 25%, mientras que la Formación Rosa Blanca muestra valores inferiores al 5% en unidades carbonatadas y de hasta un 30% para las litologías arenosas. La velocidad de onda P para ambas formaciones de interés se encuentra en un rango entre los 1000 y 6000 . Los valores de resistividad se vieron influenciados por el fluido de poro (agua), obteniendo valores entre &amp;nbsp;para las formaciones Los Santos y Rosa Blanca &amp;nbsp; Los mapas generados por la red neuronal proporcionaron una distribución geológica coherente y precisa en comparación con los métodos de interpolación tradicionales. Sin embargo, se advirtió incertidumbre en áreas con fracturamiento y meteorización intensa, lo que podría afectar los resultados en zonas cercanas a fallas geológicas. Estos hallazgos proporcionan información valiosa para estudios geológicos, hidrogeológicos e ingenieriles en la región. &amp;nbsp;
description_eng The Mesa de Los Santos region is known for its continuous development in infrastructure, agriculture, and tourism, especially in the north sector, which has generated a greater demand in the supply of drinking water. Previous geological, hydrological, and geophysical studies highlighted the importance of understanding the physical properties of rocks, as well as their spatial estimation, the reason why we implemented neural network models in this work. The laboratory results for the samples associated with the Los Santos Formation present porosities of up to 25%, while the Rosa Blanca Formation shows values of less than 5% in carbonate units and up to 30% for sandy lithologies. The P-wave velocity for both formations of interest is in a range between 1000 y 6000 . The resistivity values were influenced by the pore fluid (water), obtaining values between &amp;nbsp;for the Los Santos and Rosa Blanca formations. &amp;nbsp; The maps generated by the neural network provided a consistent and accurate geological distribution compared to traditional interpolation methods. However, uncertainty was noted in areas with intense fracturing and weathering, which could affect the results in areas close to geological faults. These findings provide valuable information for geological, hydrogeological, and engineering studies in the region.
author Sanabria Gómez, José David
Ulloque Ardila, María Teresa
García-Arias, Sergio
Velandia Patiño, Francisco Alberto
author_facet Sanabria Gómez, José David
Ulloque Ardila, María Teresa
García-Arias, Sergio
Velandia Patiño, Francisco Alberto
topicspa_str_mv scikit-learn
hidrogeología
formación los santos
formación rosa blanca
regresor de perceptrón multicapa
topic scikit-learn
hidrogeología
formación los santos
formación rosa blanca
regresor de perceptrón multicapa
los santos formation
hydrogeology
scikit-learn
multilayer perceptron regressor
rosa blanca formation
topic_facet scikit-learn
hidrogeología
formación los santos
formación rosa blanca
regresor de perceptrón multicapa
los santos formation
hydrogeology
scikit-learn
multilayer perceptron regressor
rosa blanca formation
citationvolume 21
citationissue 41
citationedition Núm. 41 , Año 2024 : .
publisher Fondo Editorial EIA - Universidad EIA
ispartofjournal Revista EIA
source https://revistas.eia.edu.co/index.php/reveia/article/view/1731
language Español
format Article
rights http://purl.org/coar/access_right/c_abf2
info:eu-repo/semantics/openAccess
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Revista EIA - 2023
https://creativecommons.org/licenses/by-nc-nd/4.0
references Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning. Springer New York. https://doi.org/10.1007/978-0-387-84858-7
MacKay, D. J. C. (2003). Information Theory, Inference, and Learning Algorithms. Cambridge University Press, Cambridge.
Lowrie, W. (2007). Fundamentals of Geophysics, second edition. En Cambridge University Press.
Laverde Montano, F. (1985). La Formación Los Santos: un depósito continental anterior al ingreso marino del Cretácico < Proyecto Cretácico: Capitulo XX >. Publicaciones geológicas especiales del INGEOMINAS, 16, 1–24. https://biblat.unam.mx/es/revista/publicaciones-geologicas-especiales-del-ingeominas/articulo/la-formacion-los-santos-un-deposito-continental-anterior-al-ingreso-marino-del-cretacico-proyecto-cretacico-capitulo-xx
Kirsch, R. (2009). Groundwater Geophysics (R. Kirsch, Ed.). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-88405-7
Kearey, P., Brooks, M., & Hill, I. (2002). An Introduction to Geophysical Exploration THIRD EDITION.
Instrumentation GDD Inc. (2018). Manual del usuario. PROBADOR SCIP (Sample Core Induced Polarization) Modelo TDLV.
IngeoExploraciones. (2016). Elaboración y Formulación Del Plan de Manejo de Aguas Subterráneas en el Sector de la Mesa, Municipio de Los Santos. Fase III.
IDEAM. (2019). Estudio Nacional del Agua 2018. https://catalogo.sgc.gov.co/cgi-bin/koha/opac-detail.pl?biblionumber=46410
Gómez Sánchez, C. F., Wandurraga Jiménez, L., Molina Narváez, M., & Sarmiento Romero, M. (2014). Análisis de la Situación Hidrogeológica de la Mesa de Los Santos, Departamento de Santander. Universidad Católica de Colombia.
Milsom, J. (2003). Field Geophysics. The geological field guide series. (3er ed.). John Wiley & Sons Ltd.
GCTS Testing Systems. (2018). Brochure. PLT-2W GCTS Wireless Point Load Test System.
Garzón Hernández, Y. X., & Salcedo Rueda, H. D. (2022). Estimación de la recarga potencial mensual en La Mesa de Los Santos (Santander) [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/9902
García Arias, S. A. (2022). Análisis estructural de la Mesa de Los Santos y redes neuronales para la estimación local de las propiedades físicas de la roca [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/11267 García Arias, S. A., & Gómez García, E. A. (2015). Modelo Conceptual Hidrogeofísico para evaluar el Potencial Hidrogeológico de la Formación Los Santos en la Mesa de Los Santos-Santander, Colombia. Universidad Industrial de Santander.
Friedman, J. H. (1997). On bias, variance, 0/1-loss, and the curse-of-dimensionality. Data Mining and Knowledge Discovery, 1(1), 55–77. https://doi.org/10.1023/A:1009778005914
FitzGerald, D. (2019). Artificial intelligence techniques to the interpretation of geophysical measurements. ASEG Extended Abstracts, 2019(1), 1–5. https://doi.org/10.1080/22020586.2019.12073000
Dramsch, J. S. (2020). 70 years of machine learning in geoscience in review. En Advances in Geophysics (pp. 1–55). Elsevier Inc. https://doi.org/10.1016/bs.agph.2020.08.002
Díaz, E. J., Contreras, N. M., Pinto, J. E., Velandia, F., Morales, C. J., & Hincapie, G. (2009). Evaluación Hidrogeológica Preliminar de Las Unidades Geológicas de la Mesa de Los Santos, Santander. Boletín de Geología, 31. https://revistas.uis.edu.co/index.php/revistaboletindegeologia/article/view/167
Díaz Duarte, A. J., & Duarte Tarazona, A. F. (2019). Evaluación Geofísica en Rocas Cretácicas Sedimentarias de Los Municipios de Barichara, Mogotes y el Sector Conocido Como la Mesa de Los Santos en el Departamento de Santander, Mediante Sondeos Electromagnéticos en el Dominio Del Tiempo (SEDT) y Sondeos El [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/13021
McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. The Bulletin of Mathematical Biophysics, 5(4), 115–133. https://doi.org/10.1007/BF02478259
Moreno Moreno, J. A., & Zárate Martínez, P. S. (2023). Caracterización de perfiles de meteorización del miembro superior de la Formación Los Santos y su correlación mediante modelamiento geoeléctrico y de georradar en La Mesa de Los Santos [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/14345
Cracknell, M. J. (2014). Machine Learning For Geological Mapping: Algorithms And Applications [University of Tasmania]. https://doi.org/https://doi.org/10.25959/23236064.v1
Wilches Sánchez, L., & Corzo Farfán, A. F. (2015). Caracterización Geoelectrica en la Vereda “La Esperanza” Sector de la Mesa de Los Santos, Municipio de Piedecuesta, Santander. Universidad Industrial de Santander.
Moyano Nieto, I. E. (2010). Prospección Geoeléctrica en La Mesa de Los Santos (Santander). Procesamiento e Interpretación de Sondeos Eléctricos verticales.
Ward, D., Goldsmith, R., Jimeno, A., Cruz Buenaventura, J., Restrepo, H., & Gomez, E. (1977). Geología de la Plancha 109 Rionegro.
Vergel Navarro, S., & Remolina Rivero, B. Y. (2023). Estudio del nivel freático de la unidad acuífera del Miembro Superior de la Formación Los Santos, vereda La Fuente, municipio Los Santos del departamento de Santander, mediante los métodos geofísicos de Tomografía de Resistividad Eléctrica y Sísmica de Refracción [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/14433
Velandia, F., García-Delgado, H., Zuluaga, C. A., López, J. A., Bermúdez, M. A., & Audemard M, F. A. (2020). Present-day structural frame of the Santander Massif and Pamplona Wedge: The interaction of the Northern Andes. Journal of Structural Geology, 137, 104087. https://doi.org/10.1016/j.jsg.2020.104087
Vargas Jerez, C. Y. (2008). Cartografía Geológica a Escala 1:25.000 de la Mesa de Los Santos, Departamento de Santander. Universidad Industrial de Santander.
Vargas Cáceres, M. I. (2021). Comparación de la anisotropía de la resistividad del subsuelo fracturado en zonas aledañas a diferentes tipos de estructuras, e implicaciones hidrogeológicas para un área rural del municipio de Los Santos, Santander [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/9400
Rojas, R. (1996). Neural Networks. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-61068-4 van der Baan, M., & Jutten, C. (2000). Neural networks in geophysical applications. GEOPHYSICS, 65(4), 1032–1047. https://doi.org/10.1190/1.1444797
Rohwer, R., Wynne-Jones, M., & Wysotzki, F. (1994). Neural networks. En Machine Learning, Neural and Statistical Classification (pp. 84–106). Ellis Horwood.
Pinto V., J. E., Clavijo Torres, J., Gómez Isidro, S., Gutiérrez Toledo, D., Mora Ortiz, J. P., Rojas Parra, N. R., Adarme, I. R., Aldana, S. C., Contreras, N. M., Díaz, E. J., Melo, L. F., Tarazona, G. R., Rincón, M. A., Vargas J., C. Y., Morales A., C. J., Velandia P., F., Hincapié V., G., Forero O., H., Duarte, R., … De Bermoudes, O. (2007). Proyecto de investigación geológica e hidrogeológica en la Mesa de Los Santos, sector noreste de Curití y borde occidental del Macizo de Santander, departamento de Santander. (Memoria explicativa de la investigación geológica e hidrogeológica en la Mesa d.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Müller, A., Nothman, J., Louppe, G., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, É. (2012). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, 12, 2825–2830. http://arxiv.org/abs/1201.0490
De Julivert, Z. (1963). Estudio petrográfico de las calizas de la Formación Rosablanca de la región de la Mesa de Los Santos (Cordillera Oriental, Colombia). Boletín de Geología, 15, 5–34. https://revistas.uis.edu.co/index.php/revistaboletindegeologia/article/view/5769
Contreras Vásquez, N. M. (2008). Análisis Del Fracturamiento Presente en la Formación Los Santos al Norte y Centro de la Mesa de Los Santos, Departamento de Santander. Universidad Industrial de Santander.
Becerra-Hernández, N. J., & Parra Estepa, C. G. (2016). Balance Hídrico Para Estimar Recarga Potencial en la Mesa de Los Santos y Dirección de Flujo de Aguas Subterraneas. Universidad Industrial de Santander.
Baneshi, M., Behzadijo, M., Schaffie, M., & Nezamabadi-Pour, H. (2013). Predicting Log Data by Using Artificial Neural Networks to Approximate Petrophysical Parameters of Formation. Petroleum Science and Technology, 31(12), 1238–1248. https://doi.org/10.1080/10916466.2010.540611
Allo, F., Coulon, J.-P., Formento, J.-L., Reboul, R., Capar, L., Darnet, M., Issautier, B., Marc, S., & Stopin, A. (2021). Characterization of a carbonate geothermal reservoir using rock-physics-guided deep neural networks. The Leading Edge, 40(10), 751–758. https://doi.org/10.1190/tle40100751.1
Alarcón, C. M., & Rodríguez, J. G. (2019). Estratigrafía, facies y paleoambiente de sedimentación de la Formación Jordán: un registro fluvio-lacustre con incidencia de actividad volcánica [Universidad Industrial de Santander]. https://noesis.uis.edu.co/handle/20.500.14071/13047
Alarcón, C. M., Clavijo-Torres, J., Mantilla-Figueroa, L. C., & Rodríguez, J. G. (2020). Nueva propuesta de edades para el registro sedimentario de las formaciones Bocas y Jordán y su relación con el desarrollo de la actividad magmática del Grupo Plutónico de Santander (Cordillera Oriental, Colombia). Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales, 44(173), 1137–1151. https://doi.org/10.18257/raccefyn.1208
type_driver info:eu-repo/semantics/article
type_coar http://purl.org/coar/resource_type/c_2df8fbb1
type_version info:eu-repo/semantics/publishedVersion
type_coarversion http://purl.org/coar/version/c_970fb48d4fbd8a85
type_content Text
publishDate 2024-01-01
date_accessioned 2024-01-01 09:26:25
date_available 2024-01-01 09:26:25
url https://revistas.eia.edu.co/index.php/reveia/article/view/1731
url_doi https://doi.org/10.24050/reia.v21i41.1731
issn 1794-1237
eissn 2463-0950
doi 10.24050/reia.v21i41.1731
citationstartpage 4112 pp. 1
citationendpage 33
url3_str_mv https://revistas.eia.edu.co/index.php/reveia/article/download/1731/1586
_version_ 1797376442286211072