Pérez Morales, Raúl-Memoria

UNIVERSIDAD CATÓLICA DEL NORTE
FACULTAD DE INGENIERIA Y CIENCIAS GEÓLOGICAS

DEPARTAMENTO DE INGENIERIA METALURGICA Y MINAS
CORRELACIÓN DE LOS PARÁMETROS RESISTIVOS

DE LA CALIZA A PARTIR DE LA VELOCIDAD DE LA
ONDA P Y LAS PROPIEDADES ÍNDICE
Memoria para optar al grado de Licenciado en Ciencias de la Ingeniería y al

título de Ingeniero Civil de Minas
RAÚL ALEJANDRO PÉREZ MORALES

Profesor Guía Javier González Vázquez
Antofagasta, Chile
2019
A mi familia por el amor y apoyo que me han dado en cada etapa de mi vida
II
AGRADECIMIENTOS
Primeramente, quisiera agradecer a mis padres Raúl e Isabel por todo el apoyo
incondicional que me han brindado a lo largo de los años, agradecerles por
darme la increíble oportunidad de estudiar una carrera profesional, por darme las
herramientas con la cuales pueda afrontar la vida, por los valores y principios
que inculcaron en mí, los que me llevaron a ser la persona que soy hoy en día,
por apoyarme en mis días más duros y disfrutar conmigo los más gratos
momentos. A mi hermana Giselle por siempre creer en mí y por ayudarme en
cada momento que la necesite. A mi sobrina Katrina simplemente por darme un
motivo más para querer tener éxito en esta vida.
A mis amigas y amigos que compartieron este camino conmigo por su apoyo y
compañía. A mi gran compañera de vida por todo el amor y apoyo que me dio
durante la mayor parte de este proceso, por llevarme descubrir muchas más
cosas de las nunca creí conocer. A mi profesor guía por confiar en mí y darme la
oportunidad de trabajar con él.
Finalmente agradecer a mi hermano Mauricio, por la fe que tuvo en mi hasta el

último día de su vida.
III
RESUMEN
La determinación de las propiedades resistivas de la roca se lleva a cabo

comúnmente mediante ensayos directos, esto implica la destrucción de las
probetas, cuya preparación requiere de mucho tiempo y trabajo. Por otro lado, la
determinación de la velocidad de la onda P (vp), una propiedad fuertemente
relacionada con las propiedades de la roca intacta es un procedimiento no
destructivo, sencillo y rápido. Debido a la simplicidad de este ensayo es que
surgió un gran interés por predecir las propiedades resistivas de las rocas a partir
de vp, sin embargo, estas propiedades también dependen de otros factores como
la densidad (ρ), porosidad (n), contenido de agua (Sr), entre otros.
El objetivo de este trabajo es correlacionar a resistencia a compresión uniaxial

(σc) y el módulo de elasticidad (Eest), de una roca caliza, con las propiedades
índice vp, ρ y n.
Para cumplir este objetivo se recolectaron muestras de colpas de piedra caliza,

las cuales se sometieron a diferentes ensayos para poder determinar las
propiedades físico-mecánicas de la piedra caliza. Con estos resultados,
mediante el análisis de regresión lineal (simple y múltiple), se generaron modelos
estadísticos que cumplieran con el 95% de confianza para poder estimar σc a
partir de vp, ρ y n.
Ya obtenidos los modelos de regresión simple se utilizó el índice de correlación

de Spearman para determinar cuál de las variables era mas influyente al
momento de estimar σc, como resultado se obtuvo que n tiene una gran influencia
sobre la resistencia de la roca caliza, por lo que, se decidió agregar la porosidad
al modelo de regresión simple como una segunda variable predictora. Con la
inclusión de dicha variable al modelo, su capacidad predictora aumento en un
8,54%, logrando explicar el 80,16% de la variabilidad de la resistencia a
compresión uniaxial de la roca caliza con un nivel de confianza del 95%.
IV
INDICE
CAPÍTULO 1: INTRODUCCIÓN ......................................................................... 1
1.1. Planteamiento ........................................................................................ 1

1.2. Objetivos ................................................................................................ 3
1.2.1. Objetivo General ............................................................................. 3
1.2.2. Objetivos específicos ...................................................................... 3
CAPÍTULO 2: MARCO TEÓRICO ...................................................................... 4
2.1. Ensayo de resistencia a compresión uniaxial ........................................ 4

2.2. Ondas sísmicas ..................................................................................... 5
2.2.1. Ondas P y S .................................................................................... 5
2.2.2. Ondas de cuerpo ............................................................................. 6
2.3. Velocidad sismica .................................................................................. 8
2.3.1. Factores que influyen en la velocidad sísmica ................................ 8
2.4. Análisis de regresión............................................................................ 12
2.4.1. Regresión lineal simple ................................................................. 12
2.4.2. Regresión lineal múltiple ............................................................... 12
2.4.3. Contraste de hipótesis................................................................... 13
2.4.4. Análisis de varianza ...................................................................... 13
2.4.5. Análisis de residuos ...................................................................... 14
2.5. Correlaciones bibliográficas entre σc y vp ............................................ 15
CAPITULO 3: PROCEDIMIENTO ..................................................................... 16
3.1. Trabajo experimental ........................................................................... 16

3.2. Preparación de las probetas ................................................................ 17
3.3. Ensayo de densidad y porosidad ......................................................... 17
3.4. Ensayo de pulsos ultrasónicos ............................................................ 18
3.5. Ensayo de resistencia a compresión uniaxial ...................................... 19
3.6. Modelado estadístico ........................................................................... 20
CAPITULO 4: RESULTADOS Y DISCUSIONES .............................................. 21
V
4.1. Análisis de regresión simple para estimar σc ....................................... 22
4.1.1. Análisis de regresión simple entre σc y vp ..................................... 22
4.1.2. Análisis de regresión simple entre σc y ρ ...................................... 26
4.1.3. Análisis de regresión simple entre σc y n ...................................... 29
4.2. Análisis de regresión múltiple .............................................................. 34
4.3. Comparación de las relaciones para estimar σc para caliza ................ 39
4.4. Correlación entre Eest y las propiedades físicas y mecánicas .............. 41
4.5. Discusiones ......................................................................................... 44
CAPÍTULO 5: CONCLUSIONES ...................................................................... 45
CAPÍTULO 6: RECOMENDACIONES .............................................................. 47
CAPÍTULO 7: REFERENCIAS BIBLIOGRÁFICAS ........................................... 48
CAPÍTULO 8: ANEXOS .................................................................................... 53
8.1. Ensayos de pulsos ultrasónicos ............................................................. 53
VI
INDICE DE FIGURAS
Figura 1. Modo de desplazamiento de partículas de un medio atravesado por

ondas de cuerpo, (a) Onda P, (b) Onda S vertical – S horizontal (Hamid, 2017).
............................................................................................................................ 7
Figura 2. Rangos de velocidades sísmicas (valores más altos vp, valores más
bajos vs) para rocas comunes (Schön 2011). ..................................................... 9
Figura 3. Probetas de caliza preparadas para realizar los ensayos de laboratorio.
.......................................................................................................................... 16
Figura 4. Disposición de los transductores para el ensayo de pulsos ultrasónicos.
.......................................................................................................................... 18
Figura 5. Probeta A – 15 antes y despues del ensayo de resistencia a compresion
uniaxial. ............................................................................................................. 19
Figura 6. Función de regresión: (a) lineal; (b) exponencial; (c) logarítmica; (d)
potencial. Para estimar σc a partir de vp. ........................................................... 24
Figura 7. Gráfico de residuos (σc – vp): (a) lineal, (b) exponencial, (c) logarítmico
y (d) potencial. .................................................................................................. 26
potencial. Para estimar σc a partir de ρ. ............................................................ 28
potencial. Para estimar σc a partir de n. ............................................................ 31
Figura 10. Gráfico de residuos (σc – n): (a) lineal, (b) exponencial, (c) logarítmico
y (d) potencial. .................................................................................................. 33
Figura 11. Gráfico de residuos: (a) lineal, (b) exponencial, (c) logarítmico y (d)
potencial. .......................................................................................................... 38
Figura 12. Comparación de σc predicha con σc experimental (MPa). ............... 39
Figura 13. Función de regresión (Eest): (a) lineal; (b) exponencial; (c) logarítmica;
(d) potencial. Para estimar Eest a partir de ρ. .................................................... 42
Figura 14. Grafico del ensayos de pulsos ultrasónicos sobre la probeta 1. ...... 53
VII
Figura 23. Grafico del ensayos de pulsos ultrasónicos sobre la probeta 10. .... 56
VIII
INDICE DE TABLAS
Tabla 1. Correlaciones entre σc (MPa) y vp (km∙s-1). ......................................... 15

Tabla 2. Propiedades índice y resistivas de la roca caliza (Sr = 1). .................. 21
Tabla 3. Resultados del contraste de hipótesis para el análisis de regresión
simple con vp como variable predictora (α = 0,05). ........................................... 23
Tabla 4. Resultados análisis de la varianza para el análisis de regresión con v p
como variable predictora (α = 0,05). ................................................................. 24
Tabla 5. Resultados análisis de residuos para análisis de regresión con vp como
variable predictora (α = 0,05). ........................................................................... 25
simple con ρ como variable predictora (α = 0,05). ............................................ 27
Tabla 7. Resultados análisis de la varianza para el análisis de regresión con ρ
simple con n como variable predictora (α = 0,05). ............................................ 30
Tabla 9. Resultados análisis de la varianza para el análisis de regresión con n
Tabla 10. Resultados análisis de residuos para análisis de regresión con n como
variable predictora (α = 0,05). ........................................................................... 32
Tabla 11. Análisis de correlación entre los parámetros físicos y mecánicos con
σc. ..................................................................................................................... 34
Tabla 12. Resultados de la prueba de contraste de hipótesis para el análisis de
regresión múltiple con vp y n como variables predictoras (α = 0,05). ................ 35
Tabla 13. Resultados análisis de la varianza para el análisis de regresión múltiple
con vp y n como variables predictoras (α = 0,05). ............................................. 36
Tabla 14. Resultados análisis de residuos para análisis de regresión múltiple con
vp y n como variables predictoras (α = 0,05). .................................................... 37
IX
Tabla 15. Comparación de los errores relativos de las ecuaciones bibliográfica
con la correlación obtenida en este estudio. ..................................................... 40
Tabla 16. Análisis de correlación entre los parámetros físicos y mecánicos con
Eest. ................................................................................................................... 41
simple (Eest) con ρ como variable predictora (α = 0,05). ................................... 42
Tabla 18. Resultados análisis de la varianza para el análisis de regresión simple
(Eest) con ρ como variable predictora (α = 0,05). .............................................. 43
X
CAPÍTULO 1: INTRODUCCIÓN
1.1. Planteamiento
Las propiedades geomecánicas de un macizo rocoso son indispensables en la

formulación de proyectos de ingeniería civil, minería y petrolera. El cálculo de la
resistencia a la compresión uniaxial (σc) de una roca intacta es uno de los
parámetros más importares para la caracterización de un macizo rocoso (Barton
et al. 1974; Bieniawski 1989), así como sus constantes elásticas: el módulo de
Young y el coeficiente de Poisson. Estos parámetros miden la deformación de la
roca respecto a los esfuerzos a los que está sometida, por lo que, tienen gran
relevancia dentro de las aplicaciones de mecánica de rocas: el diseño de túneles
y presas, perforación y tronadura, excavaciones mecánicas de rocas y
estabilización de taludes.
Existen métodos para la determinación de σc que han sido estandarizados tanto

por la ISRM (2007) como por la ASTM (2019). No obstante, a pesar de la relativa
simplicidad de la prueba de σc, esta requiere de mucho tiempo y dinero debido a
las especificaciones que deben cumplir las probetas, además de que implica la
destrucción de las probetas. Debido a las dificultades que presenta este método,
ya hace varias décadas se están realizando investigaciones con el fin de poder
estimar estos parámetros de forma indirecta, a partir de vp. Gracias a estos
parámetros se puede relacionar σc con vp (D'Andrea et al. 1964; Christaras et al.
1997; Yasar & Erdogan 2004; Cobanoglu, Celik 2008; Kilic, Teymen 2008; Yagiz
2011; Altindag 2012; Sarkar et al. 2012; Karakul, Ulusay 2013; Khandelwal 2013;
Azimian, Ajalloeian 2015; Kurtulus et al. 2016; Azimian 2017; Wen et al. 2019),
el módulo dinámico Edin en función de vp y vs (Mavko et al. 1987; Zoback 2007),
y Eest a partir de Edin (King 1983; Eissa, Kazi 1988; Christaras et al. 1994; Brotons
et al. 2016).
1
En la literatura actual existen diferentes relaciones entre σc y vp para el mismo
tipo de roca, pero difieren en las propiedades índice (𝜌 y n) que no se tienen en
cuenta al ser análisis de regresión simple. En este estudio se cree que esta
condición imposibilita el poder extrapolarlas al mismo tipo de roca con valores
diferentes de dichas propiedades. Esto se debe a que las correlaciones son
simples, ya que solo relacionan σc y vp siendo que vp depende de otros factores
como la densidad aparente 𝜌ap, la porosidad n y el grado de saturación Sr, entre
otros (Goodman 1989). Otros investigadores han utilizado el método de
regresión múltiple para correlacionar dichos factores con vp (Jamshidi et al. 2018)
y también parámetros resistivos como el número de rebotes del martillo de
Schmidt, el índice de carga puntual Is(50), o la resistencia a la tracción (Altindag
2012; Azimian, Ajalloeian 2015).
Correlacionar los parámetros resistivos de la caliza, medidos de manera directa

(ensayo de resistencia a compresión uniaxial), con los medidos de manera
indirecta (ensayo de pulsos ultrasónicos).
El objetivo de este trabajo es realizar los análisis de regresión simple y múltiple

para predecir la resistencia a compresión uniaxial y el módulo de elasticidad
estático a partir de la velocidad de la onda P, densidad y porosidad. Además, se
busca comprobar si es posible estimar dichos parámetros utilizando las
correlaciones que ofrece la bibliografía actual, contrastando esos valores con los
experimentales.
2
1.2. Objetivos
1.2.1. Objetivo General
Correlacionar los parámetros resistivos de la caliza, medidos de manera directa

(ensayo de resistencia a compresión uniaxial), con los medidos de manera
indirecta (ensayo de pulsos ultrasónicos).
1.2.2. Objetivos específicos
• Determinar las propiedades índice de la caliza: densidad y porosidad.

• Determinar las propiedades resistivas de la roca a través de ensayos
destructivos: resistencia a compresión uniaxial, modulo elástico y coeficiente
de Poisson estáticos.
• Determinar las velocidades de onda P y S mediante el ensayo de pulsos
ultrasónicos.
• Determinar los parámetros resistivos de la roca a través de ensayos no
destructivos: modulo elástico y coeficiente de Poisson dinámicos.
• Correlacionar la resistencia a compresión uniaxial a partir de la velocidad de
onda P, la densidad y la porosidad. Análisis de regresión lineal simple y
múltiple.
• Correlacionar el módulo elástico estático a partir de la velocidad de la onda
P, la densidad, la porosidad y la resistencia a compresión uniaxial. Análisis
de regresión lineal simple y múltiple.
• Evaluar las correlaciones bibliográficas para la estimación de las resistencias
a compresión uniaxial y el módulo elástico para la caliza
3
CAPÍTULO 2: MARCO TEÓRICO
2.1. Ensayo de resistencia a compresión uniaxial
El comportamiento mecánico de las rocas está definido por su resistencia y su

deformabilidad. La resistencia es el esfuerzo que soporta un elemento de roca
bajo determinadas deformaciones. Cuando la resistencia se mide en probetas
de roca sin confinar se denomina resistencia a compresión uniaxial.
El ensayo de resistencia a compresión uniaxial (ISRM 2007; ASTM 2017a,

2017b, 2019) no es sencillo de realizar correctamente y los resultados pueden
variar en un factor de más de dos a medida que varían los procedimientos, sin
embargo, es el más utilizado para determinar σc, a pesar de que existen otras
formas para poder estimarlo como el ensayo de resistencia bajo carga puntual
(ISRM 2007) o mediante el martillo de Schmidt (ISRM 2015). Para este ensayo
la probeta debe ser un cilindro de roca con una relación de longitud-anchura de
2 a 2,5 con caras planas y paralelas, estas caras son cortadas
perpendicularmente al eje del cilindro. Los procedimiento son detallados por la
ASTM (2019).
La resistencia a compresión uniaxial es la fuerza máxima por unidad de área que

puede soportar una roca. El ensayo consiste en aplicar una fuerza axial F a una
probeta cilíndrica de área A, llevándola hasta la rotura mediante una prensa. La
resistencia viene dada por la Ecuación 1.
Fc
σc = (1)
A
donde Fc es la fuerza de rotura (MN) y A es el área de aplicación de la fuerza

(m2).
4
2.2. Ondas sísmicas
Las ondas sísmicas se generan a partir de un cambio repentino en la tensión

interna dentro de un medio elástico. La fuente generadora puede ser natural
como movimientos telúricos, o artificial, como por ejemplo la explosión de una
carga de explosivo. Todos los parámetros de una onda sísmica (forma de onda,
velocidad y geometría del recorrido) pueden cambiar durante la propagación de
la onda. La forma y la magnitud de estos cambios dependen de las propiedades
físicas del medio a través del que se propaga. Las ondas sísmicas son ondas
mecánicas y elásticas, ya que, causan deformaciones no permanentes en el
medio por el que se propagan. Dicha deformación se constituye de una
alternancia de compresión y de dilatación de tal manera que las partículas del
medio se acercan y se alejan respondiendo a las fuerzas asociadas con las
ondas. (Hamid 2017).
Existen ondas de compresión, ondas transversales y ondas superficiales como

Love o Rayleigh. Las ondas de compresión son las más rápidas, por eso se
llaman ondas primarias (ondas P). Las ondas transversales son un poco más
lentas, por lo que se denominan ondas secundarias (ondas S).
2.2.1. Ondas P y S
Existen dos tipos de perturbaciones que pueden moverse de acuerdo con la

ecuación de movimiento de onda estándar. Estas son la dilatación cúbica escalar
(ondas P) y la tensión de corte del vector (ondas S). Se ha demostrado que la
perturbaciones compresivas se mueve más rápido que las de corte. Por lo que,
cada uno de estos tipos de perturbaciones viaja a través del medio con su propia
velocidad, El primer tipo representa la deformación del “volumen” en movimiento
y el segundo tipo implica la deformación de la “forma”.
5
Las ondas P también son conocidas como onda longitudinal o compresiva y la
onda S como transversal o cortante. Cabe señalar que la relación de la velocidad
de la onda P a la velocidad de la onda S se puede escribir como
vp 2 − 2𝜐 0,5 (2)
=( )
vs 1 − 2𝜐
Esta ecuación muestra claramente que la relación entre la velocidad de la onda

P (vp) y la velocidad de la onda S (vs) es función del coeficiente de Poisson (𝜐).
El coeficiente de Poisson (𝜐) generalmente varía de 0,05 a 0,40 (Dobrin, Savit
1988), promediando aproximadamente 0,25 para rocas duras. Con este valor
(𝜐 = 0,25), la relación de velocidad (vp/vs) es igual a 1,732. Esto significa que la
onda P es aproximadamente 1,7 veces más rápida que la onda S en el mismo
medio. Cabe destacar que la velocidad de la onda P es de 330 m/s en el aire,
1450 m/s en el agua, mientras que en las rocas suele variar entre 2000 y 6000)
m/s (Dobrin, Savit 1988; Schön 2011).
Estos dos tipos de ondas (ondas P y S) pertenecen a una clase de ondas,

denominadas ondas de cuerpo, porque pueden propagarse a través del medio.
Este grupo de ondas se llama así para diferenciarlas de otra clase de ondas que
se mueven sobre, y/o cerca, de la superficie libre del medio, llamadas ondas de
superficie que incluyen a las ondas de Rayleigh y Love.
2.2.2. Ondas de cuerpo
Las ondas de cuerpo son ondas que pueden viajar a través de un medio material
elástico en cualquier dirección. Las ondas pueden experimentar cambios en su
nivel de energía y en la geometría de su recorrido, a medida que se desplazan
debido a las propiedades intrínsecas del medio. Existen dos subtipos de estas
ondas; las ondas longitudinales y transversales.
6
Ondas longitudinales u ondas P
En este caso las partículas del medio vibran alrededor de sus posiciones neutras
en la dirección de la propagación de la onda, provocando zonas alternadas de
compresión y dilatación (Figura 1a). Este es el tipo de ondas que se emplea
comúnmente en el trabajo de exploración de refracción y reflexión sísmica. La
velocidad de la onda P (vp) depende de la densidad (ρ) y las propiedades
elásticas: módulo de Lame (λ) y módulo de corte (μ). Expresada como:
λ + 2μ 0,5
vp = ( ) (3)
ρ
Ondas transversales u ondas S
En este caso el medio atravesado por este tipo de ondas no experimenta

cambios de volumen. Una consecuencia de la tensión de corte (rotación de parte
del medio) es el desplazamiento perpendicular de las partículas con relación a la
trayectoria de propagación (Figura 1b). Cabe señalar que medios líquidos las
ondas S no se propagan.
Figura 1. Modo de desplazamiento de partículas de un medio atravesado por ondas de cuerpo,

(a) Onda P, (b) Onda S vertical – S horizontal (Hamid, 2017).
7
2.3. Velocidad sismica
2.3.1. Factores que influyen en la velocidad sísmica
Existen diversos factores que pueden influenciar la velocidad de una onda

símica. Tener conocimiento sobre estos factores nos das ayuda a saber que
variables debemos considerar al momento de querer correlacionar la resistencia
de las rocas con la velocidad de la onda sísmica. Debido a que la velocidad de
una onda sísmica se puede representar en función de las propiedades físicas
(densidad y elasticidad) del medio por el cual se propaga, dichas propiedades
afectan su valor, las velocidades pueden responder tanto a cambios en la
litología, como en la anisotropía de las formaciones estratificadas, e incluso al
grado de compactación o saturación de fluido. Dicho esto, se tiene claro que la
velocidad sísmica responde a diversos factores externos por lo que se puede
obtener mucha información sobre la naturaleza del medio por el cual se
propagara la onda sísmica. Los principales factores que influyen en la velocidad
de las ondas sísmicas son: La litología, la presión, porosidad y la presencia de
fluidos.
Efecto de la litología:
En la naturaleza las propiedades de las rocas difieren enormemente unas de

otras, tanto físicas como químicas. Debido a que la velocidad sísmica es una
función de las propiedades físicas generales, esta depende de la naturaleza
litológica del medio por el cual se propague la onda. Es común que un tipo de
roca se caracterice por un amplio rango de velocidades, y no por un solo
valor. Esto debido a la variación de las propiedades encontradas dentro de
un mismo tipo de roca. Para la roca caliza la velocidad sísmica varia de
2–6 km∙s–1, como se puede observar en la Figura 2. En general, los rangos
de velocidades se superponen para diferentes litologías, por esta razón es
complicado identificar el tipo de litología presente en una zona solo
basándose en el criterio de la velocidad (Hamid 2017).
8
Figura 2. Rangos de velocidades sísmicas (valores más altos vp, valores más bajos vs) para
rocas comunes (Schön 2011).
9
Efecto de la presión
La velocidad de las ondas sísmicas se ve influenciada por las variaciones en

la presión dentro del subsuelo. Se consideran dos tipos de presiones, la
presión de confinamiento (Pc), que es la presión ejercida por el medio externo,
lo que genera una fuerza compresiva; Y la presión de poro (P p) que es la
presión ejercida por la estructura del poro y la masa de fluido que contiene
este y contrarresta la presión de confinamiento, evitando que el poro colapse.
A la diferencia entre Pc–Pp se le llama presión diferencial (Pdif), la cual controla

las propiedades sísmicas de la roca. A medida que la presión diferencial
aumenta, la velocidad de las ondas sísmicas igual lo hacen, cabe destacar
que la relación entre la Pdif y las velocidades sísmicas no es lineal: en el rango
de presión más alto, el aumento de la velocidad es menor que en el rango de
presión más bajo. El aumento de la velocidad bajo la influencia de la presión
en el rango de presión más bajo se debe principalmente al cierre de poros y
las microuniones más grandes, este cierre mejora el contacto entre los
minerales que forman las rocas. A mayor presión, la compactación de la roca
ya está casi completa, por lo que, el aumento adicional de la velocidad solo
se debe a cambios en las propiedades elásticas de la sustancia mineral
(Schön 2011).
En medios menos consolidados (rocas sedimentarias) el aumento de la

velocidad es mayor que en otros más consolidados (rocas ígneas y
metamórficas), esto debido a que los medios más consolidados tienen una
menor cantidad de espacio poroso deformable, por lo que las variaciones de
velocidad son menores.
10
Efecto de la porosidad
La disminución de la velocidad con el aumento de la porosidad es una

característica general de todas las rocas porosas. La fuerte correlación entre
la porosidad y la velocidad de la onda sísmica fue demostrada por Wyllie et
al 1956 mediante la ecuación:
1 1 − n n
= + (4)
vp vp,ma vfl
donde vp es la velocidad de la onda compresiva de la roca porosa; vp,ma es la

velocidad de la onda compresiva del material de la matriz; vfl es la velocidad
de onda compresiva del fluido y n la porosidad. La velocidad de la onda
disminuye cuando la porosidad aumenta, mientras que aumenta cuando la
porosidad se hace menor (Wyllie et al. 1956). En rocas porosas, el colapso
de poros y el cierre de fracturas porducen incrementos en vp y vs, estos
incrementos son anomalos con respecto a la los incrementos que se deriban
exclusivamente de la composicion mineral del medio.
Efecto de la presencia de fluidos
La saturacion de fluido tiene un impacto directo en las velocidades sismicas,

el que depende principalmente del tipo de fluido y el nivel de saturacion. En
el caso de la onda compresiva P, su velocidad aumenta del aire al queroseno
al agua (vp(aire) < vp(queroseno) < vp(agua)), sin embargo, vp muestra solo cambios
muy pequeños con el aumento de saturación hasta aproximadamente el 80–
85%; entonces la velocidad aumenta bruscamente. En el caso de la onda de
corte S, su velocidad no está influenciada por el tipo de fluido que rellena los
poros debido a que su módulo de corte es cero. Su velocidad sufre solo una
pequeña disminución causada por el aumento de la densidad producto del
aumento de saturación de agua (Schön 2011).
11
2.4. Análisis de regresión
El análisis de regresión lineal es una técnica estadística utilizada para estudiar

la relación entre variables. Se adapta a una amplia variedad de situaciones.
Tanto en el caso de dos variables (regresión simple) como en el de más de dos
variables (regresión múltiple), el análisis de regresión lineal puede utilizarse para
explorar y cuantificar la relación entre una variable llamada dependiente o
resultado (Y) y una o más variables llamadas independientes o predictoras (X1,
X2, …, Xn), así como para desarrollar una ecuación lineal con fines predictivos.
Además, el análisis de regresión lleva asociados una serie de procedimientos de
diagnóstico (contraste de hipótesis, análisis de varianza, análisis de residuos)
que informan sobre la estabilidad e idoneidad del análisis y que proporcionan
pistas sobre como perfeccionarlo (Pardo, Ruiz 2002).
2.4.1. Regresión lineal simple
El modelo de regresión lineal simple es un modelo con un solo regresor x, que

tiene una relación con una respuesta y, esta relación es representada mediante
la ecuación de una recta (y = β0 + β1∙x + ε) donde la ordenada al origen β0 y la
pendiente β1 son constantes desconocidas, y ε es un componente aleatorio de
error. Para estimar los parámetros β0 y β1 se usa el método de mínimos
cuadrados. Esto es: se estiman β0 y β1 tales que la suma de los cuadrados de
las diferencias entre los datos medidos u observados (yi) y la línea recta sea
mínima (Montgomery et al. 2006).
2.4.2. Regresión lineal múltiple
El procedimiento de regresión lineal permite utilizar más de una variable

independiente x, por tanto, permite llevar a cabo análisis de regresión múltiple.
Pero en el análisis de regresión múltiple, la ecuación de regresión ya no define
una recta en el plano, sino un hiperplano en un espacio multidimensional.
12
La representación gráfica de las relaciones presentes en un modelo de regresión
múltiple resulta poco intuitiva, muy complicada y nada útil. Por lo que, es más
fácil y practico utilizar la ecuación del modelo de regresión lineal:
y=β0+β1∙x1+…+βn∙xn+ε.
2.4.3. Contraste de hipótesis
El contraste de hipótesis consiste en definir dos hipótesis H0 y H1 como: (I) H0 la

probabilidad de que la variable sea nula (H0: β1 = 0); (II) H1 la probabilidad de que
la variable no sea nula (H1: β1 ≠ 0). Por lo que, si se cumple H0 el modelo no es
fiable directamente, ya que esto significa que la variable regresora x no tiene
relación con la variable y.
La hipótesis H0 se rechaza si |t0| > tα/2,N-2, donde t0 es la distribución t con cero

grados de libertad, α la diferencia entre la unidad y el nivel de confianza y N el
número de pares de datos (Kutner et al. 2004; Montgomery et al. 2015).
2.4.4. Análisis de varianza
Para probar la significancia de la regresión también se puede usar el método de

análisis de varianza. Este análisis se basa en una partición de variabilidad total
de la variable respuesta y. Al igual que en la prueba de contraste de hipótesis
primero se deben definir las hipótesis H0 y H1. Para probar si se cumple la
hipótesis nula H0: β1 = 0, se debe calcular el estadístico de prueba F0, el cual se
utiliza para determinar si es posible rechazar H0 o no, para que H0 sea rechazada
se debe cumplir la siguiente condición: F0 > Fα,1,N–2, donde F es la distribución F
con 1 y N – 2 grados de libertad (Montgomery et al. 2015). Si no es posible
rechazar H0, esto significa que la variable regresora x no tiene relación con la
variable y.
13
2.4.5. Análisis de residuos
Llamamos residuos a las diferencias entre los valores medidos y los estimados
(ymedido – yestimado). Los residuos son muy importantes en el análisis de regresión.
En primer lugar, nos informan sobre el grado de exactitud de los pronósticos:
cuanto más pequeño es el error atípico de los residuos, mejores son los
pronósticos, o lo que es lo mismo, mejor se ajusta el modelo de regresión a la
nube de puntos. En segundo lugar, el análisis de las características de los casos
con residuos grandes en valor absoluto puede ayudarnos a detectar casos
atípicos y, consecuentemente, a perfeccionar la ecuación de regresión a través
de un estudio detallado de los mismos.
Uno de los supuestos básicos para un modelo de regresión es la independencia

entre residuos. El estadístico de Durbin-Watson (1951) proporciona información
sobre el grado de independencia entre ellos. El estadístico DW oscila entre 0 y
4, y toma el valor 2 cuando los residuos son independientes. Los valores
menores que 2 indican autocorrelación positiva y los mayores que 2
autocorrelación negativa. Podemos asumir independencia entre los residuos
cuando DW toma valores entre 1,5 y 2,5 (Pardo, Ruiz 2002). Además, es posible
realizar un análisis de los residuos de forma gráfica. Si al graficar lo residuos de
una regresión, no es posible identificar una tendencia de estos, se puede
considerar esta aleatoriedad como un buen indicador de que el modelo de
regresión se encuentra bien ajustado.
14
2.5. Correlaciones bibliográficas entre σc y vp
En la bibliografía actual se puede encontrar una gran cantidad de correlaciones

entre σc y vp, algunas de estas se muestran en la Tabla 1, pero solo dos para un
medio saturado que estén relacionadas con la piedra caliza (Karakul, Ulusay
2013; Wen et al. 2019).
Tabla 1. Correlaciones entre σc (MPa) y vp (km∙s-1).

Correlación R2 Tipo de roca Estado Referencia
σc = 35,54∙vp − 55 0,80 Caliza Seco* D’Andrea, Fisher (1964)
σc = 9,95∙v1,21
p
0,83 Caliza, mármol, dolomita, Seco* Christaras at al. (1997)
arenisca, hematita, serpentina,
diabasa, toba
σc = 31,5∙vp − 63,7 0,80 Caliza, dolomía, mármol Seco* Yasar, Erdogan (2004)
σc = 56,71∙vp − 192,93 0,67 Mortero de cemento, arenisca, Seco* Cobanolgu, Celik (2008)
caliza
2,4315
σc = 2,304∙vp 0,94 Andesita, arenisca, basalto, Seco* Kilic, Teymen (2008)
caliza, cuarcita, diorita,
granodiorita, mármol, toba,
traquita, travertino
3,543 0,85 Caliza, esquisto, travertino Seco* Yagiz (2011)
σc = 0,26∙vp
σc = 12,75∙v1,19
p
0,76 Arenisca, argilita, caliza, Seco* Altindag (2012)
dolomía, limolita, lutita, marga,
pizarra, travertino
σc = 39∙vp − 50,01 0,93 Arenisca, basalto (masivo, Seco* Sarkar et al. (2012)
meteorizado, toba), caliza,
carbón, cuarcita, dolomía, gneis,
granito, lutita, micacita
σc = 7,182∙v1,6
p
0,78 Andesita, arenisca, argilita, calizaSeco Karakul, Ulusay (2013)
arcillosa, ignimbrita, marga, toba
σc = 3,744∙v1,706
p
0,72 Andesita, arenisca, argilita, calizaSat Karakul, Ulusay (2013)
arcillosa, ignimbrita, marga, toba
σc = 33∙vp − 34,83 0,87 Cuarcita, granito, dolomita, Seco* Khandelwal (2013)
arenisca, caliza, esquisto,
mármol
σc = 12,746∙v1,194
p
0,79 Caliza, arenisca, travertino, Seco* Azimian, Ajallocian
marga, dolomita, lutita de lodo, (2014)
pizarra, limolita
σc = 18∙vp − 18,405 0,93 Caliza Seco* Kurtulus et al. (2016)
σc = 0,009∙v1.105
p 0,91 Caliza Seco* Azimian (2017)
σc = 34∙vp − 86,36 0,8 Caliza dolomítica Sat Wen et al. (2019)
* Se supone medio seco (Sr = 0) ante la ausencia de información explícita en la referencia
bibliográfica.
15
CAPITULO 3: PROCEDIMIENTO
3.1. Trabajo experimental
Se dispusieron de varias colpas de roca caliza provenientes de una mina al sur

de Antofagasta, en la región de Antofagasta, norte de Chile. Estas se perforaron
para obtener veinticinco probetas cilíndricas (Figura 3), usadas para determinar
las propiedades índice (vp, ρsat y n) y las propiedades resistivas (σc, Eest). De
estas veinticinco probetas se seleccionaron trece de ellas, ya que para los
ensayos de pulsos ultrasónicos y de resistencia a compresión uniaxial no deben
contener ninguna discontinuidad. Estas probetas se sometieron a los ensayos
de porosidad y densidad (ISRM 2007), pulsos ultrasónicos (ISMR 2015) y el
ensayo de resistencia compresión uniaxial (ISRM 2007). Todos los ensayos se
llevaron a cabo con las mismas probetas para poder comparar pares de
resultados (regresión simple y múltiple) de la misma procedencia.
Figura 3. Probetas de caliza preparadas para realizar los ensayos de laboratorio.
16
3.2. Preparación de las probetas
Se cortaron secciones de colpas de roca (caliza) para llevarlas a una máquina

testiguera (perforadora), con la que se obtuvieron veinticinco testigos de 31 mm
de diámetro. Los testigos se cortaron para obtener probetas con una longitud de
2 veces su diámetro, como sugiere las ASTM (2019) para el ensayo de
resistencia a compresión uniaxial, dejando una pasadura de 1 mm por lado para
posteriormente pulir las superficies perpendiculares al eje (ASTM 2019), de esta
manera eliminar rugosidades que pudieran afectar en los posteriores ensayos.
3.3. Ensayo de densidad y porosidad
La densidad se determina a partir del método de la balanza hidrostática (principio

de Arquímedes), siguiendo las indicaciones del método sugerido por la ISRM
(2007) para determinar la masa seca (secar las muestras en un horno a 105°C
por 24 h), la masa saturada (sumergir las muestras en agua durante 48 h) y la
masa sumergida (empuje de agua). Las propiedades obtenidas son la densidad
seca 𝜌seca, la densidad saturada 𝜌sat y la porosidad n, que se calculan
respectivamente con las Ecuaciones 5, 6 y 7.
mseca mseca mseca ∙ ρagua

ρseca = = m =
VT saturada − msumergida msaturada − msumergida (5)
ρagua
msaturada msaturada msaturada ∙ ρagua

ρsaturada = = m =
ρagua
Vv magua ∙ ρ-1
agua msaturada − mseca
n = = m =
ρagua
donde mseca es la masa de la probeta seca (g), msat la masa de la probeta

saturada (g), msum la masa de la probeta sumergida (g) y 𝜌agua la densidad del
agua (g∙cm-3).
17
3.4. Ensayo de pulsos ultrasónicos
El ensayo se llevó a cabo con un aparato PROCEQ modelo Pundit Lab+, y

siguiendo las indicaciones de la ISRM (2015) se empleó una frecuencia de 54
kHz y la configuración directa para el par de transductores (Figura 4), uno emisor
y el otro receptor de la onda ultrasónica.
Tanto los transductores como las caras de las probetas se untaron con acoplante
tipo gel, que es recomendado debido a su alta viscosidad e impedancia acústica
que maximiza el acoplamiento del sonido (Olympus 2019). Las probetas se
saturaron con agua (Sr = 1) para obtener el valor máximo de vp (Kharaman 2007;
Karakul, Ulusay 2013), así como la menor resistencia a compresión debido al
esfuerzo efectivo (Terzaghi 1943).
Figura 4. Disposición de los transductores para el ensayo de pulsos ultrasónicos.
18
3.5. Ensayo de resistencia a compresión uniaxial
Para el ensayo de resistencia a compresión uniaxial se siguió el método sugerido

por la ASTM (2017a, 2017b, 2019), utilizando una prensa totalmente
servocontrolada de 300 t modelo CONTROLS 50-C52Z00 + MCC8 50-C8422/M.
Para medir las deformaciones axial y radial se utilizaron galgas extensométricas
de 2 cm de longitud del modelo Tokyo Sokki Kenkyujo PFL-20-11. La velocidad
de carga se fijó en 0,2 MPa∙s–1 para obtener la falla entre 5 y 10 minutos después
del comienzo de la prueba.
Figura 5. Probeta A – 15 antes y despues del ensayo de resistencia a compresion uniaxial.
19
3.6. Modelado estadístico
A partir de los resultados de σc, Eest, vp, ρ y n de la roca caliza, se utilizó el

programa Statgraphics Centurion XVI (2007a, 2007b) para investigrar los efectos
lineales, las iterraciones y los efectos cuadráticos de las variables indepedientes
sobre σc.
La influencia de las variables independientes sobre σc se determinó mediante un

análisis de correlación y se clasificó utilizando la escala número cuatro para
medir el nivel de correlación de Spearman (Spearman, 1909). Posteriormente,
los resultados experimentales se ajustaron a modelos de regresión simple y
múltiple con vp, ρsat y n como variables predictoras.
La validación de los modelos se hizo estadísticamente utilizando el coeficiente

de determinación R2, el valor-p (contraste de hipótesis y análisis de varianza) y
el estadístico DW. R2 mide la proporción de variabilidad total de la variable
dependiente relacionada con su valor promedio obtenido por el modelo de
regresión. El valor-p representa la probabilidad de que se cumpla la hipótesis del
análisis de regresión. El estadístico DW se utiliza en el análisis de residuos y
entrega información sobre el grado de independencia de estos.
20
CAPITULO 4: RESULTADOS Y DISCUSIONES
Los resultados de los ensayos se muestran en la Tabla 2. Se observa que los

valores de ρsat se mueven en un rango de 2,61–2,68 g∙cm–3, con un valor medio
de 2,63 g∙cm-3. Los valores medidos de vp varían entre 5,310 y 5,922 km∙s–1 con
un valor medio de 5,678 km∙s-1, mientras que los de vs fluctúan entre 2,800 y
3,297 km∙s–1, con un valor medio de 3,063 km∙s-1. La relación media entre ambas
valocidades es de 1,85, que es un valor dentro del rango experimental 1,8–1,9
obtenido por Pickett (1963) para una piedra caliza. Los valores de n se
encuentran en el rango de 1,950–3,270 %, siendo 2,548 % el valor medio.
Asimismo, se muestran los resultados de σc y Eest, promediando 68,99 MPa y
34,50 GPa respectivamente.
Tabla 2. Propiedades índice y resistivas de la roca caliza (Sr = 1).

Probeta D (mm) H (mm) n (%) ρsat (g·cm-3) vp (km·s-1) vs (km·s-1) σc (MPa) Eest (GPa)
1 30,830 60,548 2,460 2,660 5,596 2,992 76,300 37,000
2 30,853 60,335 3,150 2,620 5,505 2,844 41,370 41,700
3 30,968 60,135 2,260 2,630 5,825 3,017 77,590 18,660
4 30,860 60,588 1,950 2,640 5,865 3,211 106,190 36,020
5 30,923 60,345 2,550 2,610 5,825 3,077 77,100 36,280
6 30,858 60,718 2,460 2,650 5,865 3,146 91,430 51,000
7 30,933 60,395 2,430 2,620 5,505 3,000 55,930 35,780
8 30,193 60,650 2,290 2,640 5,825 3,000 73,140 38,800
9 30,843 59,855 3,270 2,600 5,556 2,804 49,240 21,320
10 30,853 60,518 2,950 2,610 5,505 3,176 42,150 21,700
11 30,975 60,155 2,260 2,680 5,714 2,927 61,240 41,700
12 30,808 60,223 2,320 2,630 5,922 3,067 94,320 35,350
13 30,915 60,458 2,770 2,620 5,310 2,804 50,800 33,178
Media 30,832 60,379 2,548 2,632 5,678 3,005 68,985 34,499
DE 0,199 0,241 0,384 0,022 0,192 0,133 20,765 9,123
A continuación, se presentan los análisis de regresión lineal simple y múltiple

realizados para obtener las correlaciones experimentales, que permitan estimar
σc y Eest de la caliza, utilizando como variables predictoras vp, ρsat y n. Asimismo,
se realiza una comparación de las relaciones bibliográficas que existen entre σc
21
y vp en estado saturado para la caliza y las relaciones obtenidas en este estudio.
Finalmente se presenta un análisis de regresión lineal múltiple que permita
estimar Eest de la caliza, utilizando como variables predictoras σc, vp, ρsat y n
4.1. Análisis de regresión simple para estimar σc
Para poder establecer una correlación entre la resistencia a la compresión

uniaxial de la piedra caliza con la velocidad de la onda compresiva P o con las
propiedades índice ρ y n, se realiza un análisis de regresión simple con la forma
y = β0 + β1x + ε.
Para estos análisis se probaron cuatro modelos: Lineal (y = β0 + β1x),

exponencial (y = eβ0+β1x = eβ0∙eβ1x), logarítmico (y = β0 + β1lnx) y potencial
(y = e(β0+β1∙lnx) = eβ0∙xβ1), donde la ordenada al origen β0 y la pendiente β1 que
acompaña a la variable predictora o regresora, son constantes las cuales se
estiman mediante el método de mínimos cuadrados (Montgomery et al 2015).
4.1.1. Análisis de regresión simple entre σc y vp
Las Ecuaciones 8, 9, 10 y 11 corresponden a los cuatro modelos propuestos

(lineal, exponencial, logarítmico y potencial) para predecir σc a partir de vp,
utilizando los datos de la Tabla 2. Estos modelos se representan gráficamente
en la Figura 6 y sus coeficientes (β0, β1, R2) se muestran en la Tabla 3.
σc = 91,104∙vp – 448,33 (R2 = 0,7097) (8)
σc = e(1,364∙vp − 3,552) = 0,0287∙e1,364∙vp (R2 = 0,7162) (9)
σc = 511,269∙lnvp – 818,64 (R2 = 0,7029) (10)
σc = e(7,655∙lnvp – 9,01) = 0,0001∙vp4,776 (R2 = 0,7100) (11)
22
Tabla 3. Resultados del contraste de hipótesis para el análisis de regresión simple con vp como
variable predictora (α = 0,05).
Coeficientes
Modelo R2 Variable Est. t (t0) tα/2,N-2 Significancia
Beta Error
Constante -448,33 99,8168 -4,4915 2,5931 0,0009
lineal 0,7097
vp (km∙s–1) 91,1037 17,5693 5,1854 2,5931 0,0003
Constante -3,552 1,4702 -2,4159 2,5931 0,0343
Exponencial 0,7162
vp (km∙s–1) 1,3635 0,2588 5,2691 2,5931 0,0003
Constante -818,64 174,042 -4,7037 2,5931 0,0006
Logarítmico 0,7029
vp (km∙s–1) 511,269 100,23 5,1009 2,5931 0,0003
Constante -9,0996 2,5617 -3,5522 2,5931 0,0045
Potencial 0,7100
vp (km·s–1) 7,6551 1,4753 5,189 2,5931 0,0003
▪ Los valores representan la ecuación lny = β 0 + β1∙x1 + ε, que es la transformación de
y = e(β0+ β1x1+ε) (Montgomery et al 2015)
▪ Los valores representan la ecuación lny = β0 + β1∙lnx1 + ε, que es la transformación de
y = e(β0+β1lnx1+ε) = eβ0+ε∙x1β1 (Montgomery et al 2015)
En base a los resultados obtenidos en la prueba de contraste de hipótesis

(Tabla 3) para un intervalo de confianza del 95% (α = 0,05), todos los modelos
cumplen con la condición |t0| > tα/2,N-2 y, por tanto, se puede rechazar la
hipótesis nula (H0: β1 = 0) con una significancia menor a 0,05 en todos los
casos. Esto significa que la probabilidad que la variable independiente v p sea
nula es menor al 5%. A continuación, se realiza el análisis de la varianza cuyos
resultados se muestran en la Tabla 4
23
Figura 6. Función de regresión: (a) lineal; (b) exponencial; (c) logarítmica; (d) potencial. Para
estimar σc a partir de vp.
Tabla 4. Resultados análisis de la varianza para el análisis de regresión con vp como variable
predictora (α = 0,05).
Fuente de Suma de Media
Modelo GL F0 Fα,1,N-2 Significancia
variación cuadrados cuadrática
Modelo 3671,99 1 3671,99 26,89 6,72 0,0003
lineal Residuo 1502,22 11 136,565
Total 5174,21 12
Modelo 0,8225 1 0,8225 27,76 6,72 0,0003
Exponencial Residuo 0,3259 11 0,0296
Total 1,1484 12
Modelo 3636,76 1 3636,76 26,02 6,72 0,0003
Logarítmico Residuo 1537,45 11 139,768
Total 5174,21 12
Modelo 0,8153 1 0,8153 26,93 6,72 0,0003
Potencial Residuo 0,3331 11 0,0303
Total 1,1484 12
24
En el análisis de varianza realizado para un nivel de confianza del 95% (α = 0,05),
los cuatro modelos cumplen la condición para poder rechazar H0 con valores de
F0 mayores al valor de F0,025,1,11 = 6,72. A tenor de los resultados obtenidos, todos
los modelos quedan validados, siendo el modelo exponencial el que presenta el
mejor ajuste R2, logrando ajustar el 71,62% de la variabilidad de σc. Con estos
resultados se puede afirmar que estadísticamente la probabilidad de que la
resistencia compresión uniaxial no dependa de la velocidad de la onda P es
inferior al 5%.
Finalmente, para terminar este análisis se realiza el análisis de los valores

residuales para poder descartar una autocorrelación, condición que puede
invalidar alguno de los cuatro modelos propuestos. Los resultados de este
análisis se pueden encontrar en la Tabla 5.
Tabla 5. Resultados análisis de residuos para análisis de regresión con vp como variable
Modelo Error absoluto medio Estadístico DW Significancia
Lineal 9,4902 1,7639 0,3318
Exponencial 0,1353 1,6548 0,2616
Logarítmico 9,6100 1,7443 0,3183
Potencial 0,1371 1,6340 0,2487
▪ El estadístico DW oscila entre 0 y 4, y toma el valor 2 cuando los residuos son independientes
▪ Se asume independencia entre residuos cuando DW toma valores entre 1,5 y 2,5.
Los valores del estadístico DW para los cuatro modelos se encuentran en el

rango permitido para asumir independencia de los residuos (entre 1,5 y 2,5), por
lo que se puede decir que cumplen con el supuesto básico de independencia
para un modelo de regresión. A continuación, en la Figura 7 se encuentra la
representación gráfica de los residuos para cada modelo
25
Figura 7. Gráfico de residuos (σc – vp): (a) lineal, (b) exponencial, (c) logarítmico y (d) potencial.
En la Figura 7 se puede observar que en los gráficos de residuos no es posible

identificar una tendencia que predomine. Esta aleatoriedad de los residuos se
puede considera como un buen indicador de que los modelos de regresión se
encuentran bien ajustados.
4.1.2. Análisis de regresión simple entre σc y ρ

(lineal, exponencial, logarítmico y potencial) para predecir σc a partir de la
variable ρsat, utilizando los resultados de la Tabla 2. Estos modelos se
representan gráficamente en la Figura 8 y sus coeficientes (β0, β1, R2) se
muestran en la Tabla 6.
26
σc = 376,934∙ρsat – 922,932 (R2 = 0,1639) (12)
σc = e(6,112∙ρsat – 11,892) = 6,84∙10-6∙e6,112∙ρsat (R2 = 0,1941) (13)
σc = 1000,56∙lnρsat – 899,095 (R2 = 0,1659) (14)
σc = e(16,21∙lnρ – 11,493) = 1,02∙10-5∙ρsat16,21 (R2 = 0,1962) (15)
Tabla 6. Resultados del contraste de hipótesis para el análisis de regresión simple con ρ como
Coeficientes
Beta Error
Constante -922,932 675,487 -1,3663 2,5931 0,1991
Lineal 0,1639
ρ (g∙cm–3) 376,934 256,68 1,4685 2,5931 0,1700
Constante -11,8922 9,8796 -1,2037 2,5931 0,2540
Exponencial 0,1941
ρ (g∙cm–3) 6,1116 3,7542 1,6279 2,5931 0,1318
Constante -899,095 654,588 -1,3735 2,5931 0,1969
Logarítmico 0,1659
ρ (g∙cm–3) 1000,56 676,528 1,479 2,5931 0,1672
Constante -11,4932 9,5733 -1,2006 2,5931 0,2551
Potencial 0,1962
ρ (g∙cm–3) 16,2101 9,8941 1,6384 2,5931 0,1296
▪ Los valores representan la ecuación lny = β0 + β1∙x1 + ε, que es la transformación de
A tenor de los resultados obtenidos en la prueba de contraste de hipótesis (Tabla

6) para un intervalo de confianza del 95% (α = 0,05), ninguno de los modelos
cumple con la condición: |t0| > tα/2,N-2, para poder rechazar la hipótesis nula (H0:
β1 = 0). Con una significancia mayor a 0,05 en todos los casos, esto significa que
la probabilidad de que la variable independiente ρsat sea nula es superior al 5%.
Por ende, se puede considerar que los cuatro modelos no son fiables en primera
instancia. A continuación, se realiza el análisis de la varianza y los resultados se
muestran en la Tabla 7.
27
estimar σc a partir de ρ.
Tabla 7. Resultados análisis de la varianza para el análisis de regresión con ρ como variable
Modelo 848,105 1 848,105 2,16 6,72 0,17
Lineal Residuo 4326,1 11 393,282
Total 5174,21 12
Modelo 0,223 1 0,223 2,65 6,72 0,1318
Total 1,1484 12
Modelo 858,229 1 858,229 2,19 6,72 0,1672
Total 5174,21 12
Modelo 0,2253 1 0,2253 2,68 6,72 0,1296
Total 1,1484 12
28
ninguno de los cuatro modelos cumple la condición para poder rechazar H0 con
valores de F0 menores al valor de F0,025,1,11 = 6,72. A tenor de los resultados
obtenidos, los cuatro modelos quedan definitivamente descartados.
En base al contraste de hipótesis y el análisis de la varianza, se puede afirmar

que, para este estudio, σc no depende de ρsat. En base a esto, se consideró
innecesario realizar un análisis de residuos para dichos modelos.
4.1.3. Análisis de regresión simple entre σc y n

(lineal, exponencial, logarítmico y potencial) para predecir σc a partir de n,
utilizando los resultados de la Tabla 2. Estos modelos se representan
gráficamente en la Figura 9 y sus coeficientes (β0, β1, R2) se muestran en la Tabla
8.
σc = −43,008∙n + 178,784 (R2 = 0,6340) (16)
σc = e(-0,663∙n + 5,879) = 357,273∙e−0,663∙n (R2 = 0,6750) (17)
σc = −113,775∙lnn + 174,234 (R2 = 0,6493) (18)
σc = e(−1,735∙lnn + 5,796) = 328,981∙n−1,735 (R2 = 0,6802) (19)
29
Tabla 8. Resultados del contraste de hipótesis para el análisis de regresión simple con n como
Coeficientes
Beta Error
Constante 178,784 25,4177 7,0338 2,5931 0,0000
Lineal 0,6340
n (%) -43,0076 9,874 -4,3648 2,5931 0,0011
Constante 5,8785 0,3568 16,4747 2,5931 0,0000
Exponencial 0,6750
n (%) -0,6625 0,1386 -4,7795 2,5931 0,0006
Constante 174,234 23,5941 7,3847 2,5931 0,0000
Logarítmico 0,6493
n (%) -113,775 25,2129 -4,5126 2,5931 0,0009
Constante 5,7955 0,3357 17,2654 2,5931 0,0000
Potencial 0,6802
n (%) -1,7348 0,3587 -4,8364 2,5931 0,0005
Con base en los resultados obtenidos en la prueba de contraste de hipótesis

(Tabla 8) para un intervalo de confianza del 95% (α = 0,05), todos los modelos
cumplen con la condición: |t0| > tα/2,N–2, por lo que se rechaza la hipótesis nula
(H0: β1 = 0). Con una significancia menor a 0,05 en todos los casos, esto significa
que la probabilidad que se tiene de rechazar la variable independiente n como
significativa es menor al 5%. Por ende, se puede considerar que los cuatro
modelos son fiables en primera instancia. A continuación, se realiza el análisis
de la varianza, cuyos resultados se encuentran en la Tabla 9.
30
estimar σc a partir de n.
Tabla 9. Resultados análisis de la varianza para el análisis de regresión con n como variable
Modelo 3280,23 1 3280,23 19,05 6,72 0,0011
Lineal Residuo 1893,98 11 172,18
Total 5174,21 12
Modelo 0,7751 1 0,7751 22,84 6,72 0,0006
Total 1,1484 12
Modelo 3359,47 1 3359,47 20,36 6,72 0,0009
Total 5174,21 12
Modelo 0,7811 1 0,7811 23,39 6,72 0,0005
Total 1,1484 12
31
los cuatro modelos cumplen la condición para poder rechazar H0 con valores de
F0 mayores a F0,025,1,11 = 6,72. A tenor de los resultados obtenidos, todos los
modelos quedan validados, siendo el modelo potencial el que presenta el mejor
ajuste R2, logrando explicar el 68,02% de la variabilidad de σc. Con estos
resultados se puede afirmar que estadísticamente la probabilidad de que σc
depende de n es superior al 95%.
Finalmente, para terminar este análisis se considera pertinente realizar un

análisis de residuos, al igual que en el caso de la vp, para poder descartar una
autocorrelación, condición que puede invalidar alguno de los cuatro modelos
propuestos. Los resultados de este análisis se pueden encontrar en la Tabla 10.
Tabla 10. Resultados análisis de residuos para análisis de regresión con n como variable

Lineal 10,5801 2,4297 0,7803
Exponencial 0,1503 2,3562 0,7383
Logaritmico 10,3145 2,4068 0,7667
Potencial 0,1465 2,3316 0,7225

rango permitido para asumir independencia de los residuos (1,5 y 2,5), por lo que
se puede decir que cumplen con el supuesto básico de independencia para un
modelo de regresión. A continuación, en la Figura 10 se encuentra la
representación gráfica de los residuos para cada modelo.
32
Figura 10. Gráfico de residuos (σc – n): (a) lineal, (b) exponencial, (c) logarítmico y (d) potencial.
En la Figura 10 se puede observar que en los gráficos de residuos no es posible

identificar una tendencia que predomine. Esta aleatoriedad de los residuos se
considera un buen indicador de que los modelos de regresión se encuentran bien
ajustados.
33
4.2. Análisis de regresión múltiple
La σc de las rocas está relacionada directamente con vp, ρ y n (Goodman 1989),

sin embargo, estas propiedades índice para un mismo tipo de roca pueden variar
debido a factores como la génesis, la variabilidad de la composición mineral, la
existencia de discontinuidades y el contenido de agua.
En este estudio se realiza un análisis de correlación entre los parámetros físicos

y mecánicos: vp, ρ, n, y σc para determinar el nivel de correlación que tienen
dichas variables con σc, corroborando los resultados obtenidos en los análisis de
regresión simple realizados en el apartado 4.1. Posteriormente las variables que
tengan el mayor nivel de correlación r (Martínez et al. 2009) se utilizarán para el
análisis de regresión múltiple. Los resultados de este análisis se encuentran en
la Tabla 11.
Tabla 11. Análisis de correlación entre los parámetros físicos y mecánicos con σc.
Variables σc vp ρ N
σc (MPa) 1,0000 0,8424 0,4049 -0,7962
vp (km·s–1) 0,8424 1,0000 0,3451 -0,6676
ρsat (g·cm–3) 0,4049 0,3451 1,0000 -0,6248
n (%) -0,7962 -0,6676 -0,6248 1,0000
1 > |r| > 0,76 correlación muy fuerte 0,5 > |r| > 0,26 correlación débil
0,75 > |r| > 0,51 correlación moderada 0,25 > |r| > 0 correlación escasa o nula
Escala número cuatro para medir el nivel de correlación de Spearman (Spearman, 1909).
El orden de las variables que presentan de mayor a menor relación con σc son
vp, n y ρsat. Las primeras dos variables presentaron un nivel de correlación muy
fuerte, según Martínez et al. (2009), con valores de r iguales a 0,8424 y −0,7962
respectivamente. Por otra parte, la densidad presenta un nivel de correlación
débil, con un valor de r igual a 0,4049. Estos resultados son acordes a los
obtenidos en los análisis de regresión simple del Apartado 4.1.
34
A continuación, se construye un modelo de regresión múltiple
(y = β0 + β1∙x1 + β2∙x2 + ε), utilizando como variables independientes vp y n. Para
este análisis se probaron cuatro modelos (lineal, exponencial, logarítmico y
potencial) a partir de los resultados de la Tabla 2, representados por las
Ecuaciones 20, 21, 22 y 23. Los cuatro modelos presentan sus coeficientes (β0,
β1, β2, R2) en la Tabla 12.
σc = 60,650∙vp − 22,832∙n − 217,234 (R2 = 0,7700) (20)
σc = e(0,866∙vp − 0,373∙n + 0,224) = 1,251∙e(0,0,866∙vp − 0,373∙n) (R2 = 0,8016) (21)
σc = 331,648∙lnvp − 62,261∙lnn − 449,237 (R2 = 0,7711) (22)
σc = e(4,794∙vp − 0,990∙n − 3,217) = 0,0401∙vp4,794∙n−0,990 (R2 = 0,7964) (23)
Tabla 12. Resultados de la prueba de contraste de hipótesis para el análisis de regresión

múltiple con vp y n como variables predictoras (α = 0,05).
Coeficientes
Beta Error
Constante -217,2340 132,7240 -1,6367 2,5931 0,1327
Lineal 0,7700 vp (km∙s–1) 60,6499 20,1110 3,0158 2,5931 0,0130
n (%) -22,8324 10,0660 -2,2684 2,5931 0,0467
Constante 0,2239 1,8362 0,1219 2,5931 0,9054
Exponencial 0,8016 vp (km∙s–1) 0,8659 0,2782 3,1121 2,5931 0,0110
n (%) -0,3729 0,1393 -2,6774 2,5931 0,0232
Constante -449,2370 215,8600 -2,0812 2,5931 0,0641
Logarítmico 0,7711 vp (km∙s–1) 331,6480 114,4160 2,8986 2,5931 0,0159
n (%) -62,2614 26,3833 -2,3599 2,5931 0,0400
Constante -3,2170 3,0327 -1,0608 2,5931 0,3137
Potencial 0,7964 vp (km∙s–1) 4,7937 1,6075 2,9822 2,5931 0,0138
n (%) -0,9895 0,3707 -2,6694 2,5931 0,0235
▪ Los valores representan la ecuación lny = β0 + β1∙x1 + β2∙x2 + ε, que es la transformación de
y = e(β0+ β1x1+ β2x2+ε) (Montgomery et al 2015)
▪ Los valores representan la ecuación lny = β0 + β1∙lnx1 + β2∙lnx2 + ε, que es la transformación de
y = e(β0+β1lnx1+β2∙lnx2+ε) = eβ0+ε∙x1β1∙x2β2 (Montgomery et al 2015)
35
De acuerdo con los resultados obtenidos en la prueba de contraste de hipótesis
(Tabla 12) para un intervalo de confianza del 95% (α = 0,05), se afirma que todos
los modelos cumplen con la condición: |t0| > tα/2,N-2, para poder rechazar la
hipótesis nula (H0: β1 = β2 = 0). Presentando un nivel de significancia menor a
0,05 en todos los casos, esto indica: que la probabilidad que se tiene de no
considerar alguna de las variables independientes (vp y n) como significativa es
menor al 5%. En conclusión, se puede considerar que los cuatro modelos
propuestos son fiables en primera instancia. Con el fin de validar dichos modelos
se prosigue con un análisis de varianza cuyos resultados se encuentran en la
Tabla 13.
Tabla 13. Resultados análisis de la varianza para el análisis de regresión múltiple con vp y n
como variables predictoras (α = 0,05).
Modelo 4182,34 2 2091,17 21,09 5,26 0,0003
Lineal Residuo 991,865 10 99,1865
Total 5174,21 12
Modelo 0,9582 2 0,4791 25,24 5,26 0,0001
Total 1,1481 12
Modelo 4187,12 2 2093,56 21,21 5,26 0,0003
Total 5174,21 12
Modelo 0,9533 2 0,4766 24,46 5,26 0,0001
Total 1,1481 12
Producto del análisis de varianza realizado para un nivel de confianza del 95%
(α = 0,05), se puede afirmar que los cuatro modelos cumplen con la condición
F0 > F0,025,2,11 = 5,26, para poder rechazar la hipótesis nula H0. De acuerdo con
los resultados obtenidos, los cuatro modelos propuestos quedan validados,
36
siendo el modelo exponencial el que presento un mejor ajuste de R2, llegando a
explicar el 80,16% de la variabilidad de σc.
En conclusión, se puede corroborar, estadísticamente, que la probabilidad de

que σc no dependa de vp y n es inferior al 5%
Para finalizar este análisis es pertinente realizar un análisis de residuos para

poder descartar cualquier autocorrelación de los residuos. Los resultados de este
análisis se pueden encontrar en la Tabla 14.
Tabla 14. Resultados análisis de residuos para análisis de regresión múltiple con vp y n como
variables predictoras (α = 0,05).
Lineal 7,7557 2,0054 0,5216
Exponencial 0,1097 1,7826 0,3696
Logarítmico 7,7165 1,9211 0,4651
Potencial 0,1104 1,6985 0,3173

rango permitido para asumir independencia de los residuos, por lo que se puede
decir que cumplen con el supuesto básico de independencia para un modelo de
regresión. A continuación, en la Figura 12 se encuentra la representación gráfica
de los residuos para cada modelo.
37
Figura 11. Gráfico de residuos: (a) lineal, (b) exponencial, (c) logarítmico y (d) potencial.
En la figura 12 se observa que en los gráficos de residuos no presentan ninguna

tendencia predominante. De acuerdo con la bibliografía (Pardo, Ruiz 2002) esta
aleatoriedad de los residuos se puede considera como un buen indicador de que
los modelos de regresión múltiple se encuentran bien ajustados.
38
4.3. Comparación de las relaciones para estimar σc para caliza
Resulta pertinente realizar una comparación grafica del funcionamiento de las

correlaciones bibliográficas con la obtenida en este estudio. Esta comparación
toma en cuenta todas las relaciones bibliográficas de la Tabla 1 y está
representada en la Figura 13. Medido σc
Figura 12. Comparación de σc predicha con σc experimental (MPa).
En la figura 13 se muestra la comparación de la σc predicha obtenida mediante

las ecuaciones bibliográficas y empíricas, obtenidas en este estudio, con la σc
obtenidas en las pruebas de resistencia a la compresión uniaxial reales. Se
39
observa que ninguna de las ecuaciones bibliográficas se ajusta correctamente a
las pruebas realizadas, aunque existen algunas coincidencias con las
ecuaciones propuestas por Chistaras et al. (1997) (Ecuación a), Karakul, Ulusay
(2013) sat. (Ecuación b) y Kurtulus (2016) Ecuación c). La Tabla 15 muestra la
comparación de los erros relativos de las ecuaciones anteriormente
mencionadas (Ec. a, b y c.) con la correlación empírica obtenida en este estudio.
Ecuación
Tabla 15. Comparación de los errores relativos de las ecuaciones bibliográfica con la
correlación obtenida en este estudio.
σc Exp. σc predicho (MPa) Error relativo %
Probeta
(MPa) Ec. a Ec. b Ec. c Estudio Ec. a Ec. b Ec. c Estudio
1 76,300 79,938 70,667 82,323 63,596 4,768 7,383 7,894 16,650
2 41,370 78,368 68,718 80,685 45,439 89,432 66,105 95,033 9,837
3 77,590 83,913 75,671 86,445 83,552 8,150 2,473 11,413 7,684
4 106,190 84,611 76,560 87,165 97,100 20,321 27,903 17,916 8,560
5 77,100 83,913 75,671 86,445 74,986 8,837 1,853 12,121 2,742
6 91,430 84,611 76,560 87,165 80,279 7,458 16,264 4,665 12,196
7 55,930 78,368 68,718 80,685 59,438 40,118 22,864 44,261 6,273
8 73,140 83,913 75,671 86,445 82,622 14,730 3,461 18,191 12,965
9 49,240 79,247 69,807 81,603 45,412 60,941 41,769 65,725 7,773
10 42,150 78,368 68,718 80,685 48,959 85,927 63,031 91,423 16,154
11 61,240 81,982 73,228 84,447 75,894 33,871 19,575 37,895 23,930
12 94,320 85,607 77,834 88,191 88,863 9,238 17,479 6,498 5,786
13 50,800 75,022 64,617 77,175 44,223 47,681 27,199 51,919 12,946
Media 68,985 81,374 72,495 83,805 68,490 33,190 24,412 35,766 11,038
De la tabla 15 se puede apreciar que, el valor obtenido de la ecuación b (Karakul,

Ulusay, 2019) muestra el menor error relativo de las ecuaciones bibliográficas,
esto se adjudica a que es la única ecuación que consideras la condiciones
saturadas de la roca. Por otra parte, se observa que la relación experimental
propuesta en este estudio logra un error relativo más bajo de todas las
ecuaciones con solo un 11,038%, volviéndose una buena opción al momento de
querer estimar σc.
40
4.4. Correlación entre Eest y las propiedades físicas y mecánicas
Uno de los últimos objetivos de este trabajo, es intentar hallar una correlación
fiable entre el módulo elástico estático Eest y las propiedades físicas y/o
mecánicas de la roca caliza (vp, vs, ρ, n y σc). Para cumplir este objetivo es
necesario en primer lugar, realizar un análisis de correlación entre Eest y las
variables anteriormente mencionadas. El resultado de este análisis se encuentra
en la Tabla 16.
Tabla 16. Análisis de correlación entre los parámetros físicos y mecánicos con Eest.
Variables Eest vp vs ρ N σc
Eest (GPa) 1,0000 0,2397 0,1164 0,5601 -0,2896 0,3164
vp (km·s–1) 0,2397 1,0000 0,5592 0,3451 -0,6676 0,8424
vs (km·s–1) 0,1164 0,5592 1,0000 0,0428 -0,5263 0,5510
ρsat (g·cm–3) 0,5601 0,3451 0,0428 1,0000 -0,6248 0,4049
n (%) -0,2896 -0,6676 -0,5263 -0,6248 1,0000 -0,7962
σc (MPa) 0,3164 0,8424 0,5510 0,4049 -0,7962 1,0000
1 > |r| > 0,76 correlación muy fuerte 0,5 > |r| > 0,26 correlación débil
0,75 > |r| > 0,51 correlación moderada 0,25 > |r| > 0 correlación escasa o nula
Escala número cuatro para medir el nivel de correlación de Spearman (Spearman, 1909).
De la Tabla 16 se extrae que el único parámetro que relaciona de una manera

suficientemente optima con el módulo elástico estático Eest es ρ, con un valor de
correlación r moderado (r = 0,5601). Basado en la posible relación entre Eest y p
se realiza un análisis de regresión simple y = β0 + β1∙x + ε. Para este análisis se
probarán los cuatro modelos anteriormente propuestos en este estudio, estos
están representados por las Ecuaciones 24, 25, 26 y 27.
Eest = 229,081∙ρ – 568,337 (R2 = 0,3137) (24)
Eest = 2,334∙10-7∙e7,134∙ρ (R2 = 0,2874) (25)
Eest = 605,539∙lnρ – 551,382 (R2 = 0,3147) (26)
Eest = 3,953∙10-7∙ρ18,860 (R2 = 0,2884) (27)
41
Tabla 17. Resultados del contraste de hipótesis para el análisis de regresión simple (Eest) con ρ
como variable predictora (α = 0,05).
Coeficientes
Beta Error
Constante -568,337 268,881 -2,1137 2,5931 0,0582
Lineal 0,3137
ρsat (g·cm–3) 229,081 102,173 2,2421 2,5931 0,0465
Constante -15,270 8,9144 -1,713 2,5931 0,1147
Exponencial 0,2874
ρsat (g·cm–3) 7,1342 3,3874 2,1061 2,5931 0,0590
Constante -551,382 260,661 -2,1153 2,5931 0,0580
Logarítmico 0,3147
ρsat (g·cm–3) 605,539 269,397 2,2478 2,5931 0,0461
Constante -14,7436 8,6424 -1,706 2,5931 0,1161
Potencial 0,2884
ρsat (g·cm–3) 18,859 8,9321 2,1114 2,5931 0,0584
Figura 13. Función de regresión (Eest): (a) lineal; (b) exponencial; (c) logarítmica; (d) potencial.
Para estimar Eest a partir de ρ.
42
En concordancia con los resultados obtenidos en la prueba de contraste de
hipótesis (Tabla 17) para un intervalo de confianza del 95% (α = 0,05), ninguno
de los modelos cumple con la condición: |t0| > tα/2,N-2, para poder rechazar la
hipótesis nula (H0: β1 = 0); Con una significancia mayor a 0,05 en todos los casos,
esto significa: que la probabilidad que se tiene de rechazar la variable
independiente ρ como significativa es mayor al 5%. Por dicha razón, ninguno de
los cuatro modelos puede ser considerado como fiable en una primera instancia.
Para poder determinar si los modelos deben ser rechazados o no, se realiza un
análisis de la varianza cuyos resultados se encuentran en la Tabla 18.
Tabla 18. Resultados análisis de la varianza para el análisis de regresión simple (E est) con ρ
como variable predictora (α = 0,05).

Modelo 313,254 1 313,254 5,03 6,72 0,0465
lineal Residuo 685,461 11 62,3146
Total 998,715 12
Modelo 0,3038 1 0,3038 4,44 6,72 0,059
Total 1,0572 12
Modelo 314,34 1 314,34 5,05 6,72 0,0461
Total 998,715 12
Modelo 0,3049 1 0,3049 4,46 6,72 0,0584
Total 1,0572 12

los cuatro modelos no cumplieron con la condición para rechazar H0 presentando
valores de F0 menores al valor tabulado de F0,025,1,11 = 6,72. Como consecuencia
a los resultados obtenidos, los cuatro modelos quedan descartados. Por lo tanto,
se puede afirmar que estadísticamente la probabilidad de que el módulo elástico
estático no dependa de la densidad es mayor al 5%.
43
Finalmente, debido a que los modelos han sido descartados, se consideró
innecesario realizar un análisis de residuos para dichos modelos. Debido a que
no es posible determinar un parámetro que sea estadísticamente significativo, se
decide no continuar con el análisis de regresión múltiple para estimar Eest.
4.5. Discusiones
Basado en los resultados obtenidos de los análisis de regresión simple se

corroboró mediante análisis estadístico considerando un intervalo de confianza
de 95% que σc tiene una fuerte dependencia con vp. Siendo el modelo
exponencial con el que se obtiene un mayor ajuste de R2 (R2 = 71,62).
Sin embargo, como ya se mencionó en el Capítulo 2, vp depende otras variables

como ρ, n y Sr. Por lo que era factible incluir alguna de estas variables
independientes en los análisis de regresión simple y posteriormente múltiple para
un estado de saturación total. Los resultados arrojaron que: (I) si bien se ha
mencionado que vp depende de ρ, los resultados muestran que ρ no presenta
significancia estadística para predecir σc a pesar de su estrecha relación con vp.
(II) Por otro lado, n muestra una gran significancia estadística para predecir σc.
Se sabe que n afecta la resistencia estructural de la roca, y así lo confirman los
resultados experimentales obtenidos en este estudio (Tabla 2), donde los valores
más altos de σc están asociados a las muestras con menor n y los valores
mínimos de σc con las de mayor n. (III) Del análisis de regresión múltiple se
obtuvieron cuatro modelos, los cuales presentaron un mejor ajuste R2 que en los
obtenidos en los análisis de regresión simple, lo que lleva a pensar que, al
momento de estimar o predecir σc a partir de pruebas de pulsos ultrasónicos,
sería recomendable la adición de otras variables independientes que pudieran
ayudar a lograr una estimación más exacta. Además de otorgar la capacidad de
extrapolar dicha estimación a diferentes condiciones de la roca, cosa que no es
posible con las correlaciones utilizadas para estimar σc que existen en la
actualidad.
44
CAPÍTULO 5: CONCLUSIONES
Del estudio realizado se pueden obtener las siguientes conclusiones:
(i) En este estudio, se puso a prueba la relación que existe entre las
propiedades índice, mecánicas y resistivas (ρ, n, vp, vs, Eest y σc) de la
piedra caliza. Los resultados indicaron correlaciones muy fuertes
(1>|r|>0,76) entre los parámetros de σc, vp y n (Tabla 12). Los parámetros
Eest y ρ presentaron una correlación moderada (0,75>|r|>0,51) (Tabla 15).
Mientras que se obtuvo una correlación baja (0,5>|r|>0,26) entre los
parámetros de σc y ρ (Tabla 11).
(ii) Utilizando los métodos de regresión lineal simple y múltiple, se logró
expresar las relaciones empíricas entre σc y vp y n. Los resultados de las
pruebas de contraste de hipótesis y análisis de varianza mostraron valores
de t0 y F0 más altos que los valores tabulados (ver Tablas 3, 4, 8 y 9), lo
que significa que la probabilidad de que σc no dependa estadísticamente
de vp y/o n es menor al 5%.
(iii) Si bien en este estudio se logró desarrollar numerosas ecuaciones para
estimar σc que se pueden considerar como estadísticamente fiables, las
ecuaciones con mejores resultados para cada análisis de regresión tanto
simple como múltiple son las Ecuaciones 9, 19 y 21 con valores de R2
iguales a 0,7162, 0,6802 y 0,8016 respectivamente.
(iv) Al comparar las relaciones bibliográficas para estimar σc en un estado
saturado con la relación empírica obtenida en este estudio, se observó
que las relaciones bibliográficas en cierto punto suelen subestimar o
sobreestimar los valores de σc, puesto que dichas ecuaciones están
diseñadas para rocas con propiedades muy concretas, no pudiendo
extrapolarlas al mismo tipo de roca con diferentes valores de esas mismas
propiedades. El motivo se atribuye a que la mayoría de las correlaciones
son simples, relacionando solamente σc con vp, mientras que σc depende
45
de otras propiedades como ρ, n y contenido de agua (Goodman 1989). En
base a los resultados de este estudio, σc depende principalmente de vp y
n.
(v) Queda demostrado que, en el momento de intentar estimar σc, el hecho
de considerar otras variables independientes además de vp, produce un
mejor ajuste de las correlaciones experimentales. Esto se traduce en un
aumento en su capacidad predictora. Específicamente en este estudio al
considerar n como segunda variable predictora, la capacidad predictora
del modelo aumentó un 8,54%, logrando explicar el 80,16% de la
variabilidad de σc.
(vi) Utilizando el método de regresión lineal simple, se consiguieron cuatro
relaciones empírica entre Eest y ρsat para intentar estimar el valor de Eest
sin la necesidad de realizar ensayos directos. Sin embargo, los resultados
de la prueba de contraste de hipótesis y análisis de varianza arrojaron
valores de t0 y F0 más bajos que los valores tabulados (ver Tablas 16 y
17), por lo que se afirma que no es posible considerar ρ como
estadísticamente significativa para estimar Eest, con un nivel de confianza
del 95% o superior.
(vii) En base a los resultados obtenidos en este estudio, se determina que no
es posible obtener una relación empírica fiable para estimar Eest a partir
de las propiedades índice (vp, ρsat y n) y/o resistivas (σc) de la caliza.
46
CAPÍTULO 6: RECOMENDACIONES
(i) Utilizar probetas con un mayor diámetro y largo, con el objeto de obtener
un mejor gráfico de resistencia y deformabilidad de la roca para determinar
de una manera más confiable el Módulo elástico estático y el coeficiente
de Poisson.
(ii) Aumentar el número de probetas a ensayar e idealmente obtener
muestras de roca de diferentes puntos geográficos, de esta manera
generar una base de datos más rica y variada para así poder conseguir
una relación que se pueda extrapolar sin problemas a diferentes
condiciones de la piedra caliza.
(iii) Probar con un ancho de banda mayor a 54 KHz con el objeto de
determinar si este tiene alguna influencia al medir la velocidad de la onda.
47
CAPÍTULO 7: REFERENCIAS BIBLIOGRÁFICAS
Altindag R. (2012). Correlation between P-wave velocity and some mechanical

properties for sedimentary rock. The Journal of Southern African Institute of
Mining and Metallurgy, 11(3), 229−237.
ASTM D7012-14: Standard Test Methods for Compressive Strength and Elastic
Moduli of Intact Rock Core Specimens under Varying States of Stress and
Temperatures. American Society for Testing and Materials, Pensilvania.
ASTM (2017a) D7012-14: Standard Test method for Compressive Strength and
Elastic Moduli of intact Rock Core Specimens under Varying States of Stress and
Temperatures. American Society for Testing and Materials, Pensilvania
ASTM (2017b) E122-17: Standard Practice for Calculating Sample Size to

Estimate, With Specified Precision, the Average for a Characteristic of a Lot or
Process. American Society for Testing and Materials, Pensilvania.
ASTM (2019) D4543-19: Standard Test Methods for preparing Rock Core as
Cylindrical Test Specimens and Verifying conformance to Dimensional and
Shape Tolerances. American Society for Testing and Materials, Pensilvania.
Azimian, A. (2017). Application of statistical methods for predicting uniaxial

compressive strength of limestone rocks using nondestructive test. Acta
Geotech. 12, 321−333.
Azimian, A., & Ajalloeian, R. (2015). Empirical Correlation of physical and

mechanical properties of marly with P-Wave velocity. Arab J Geosci, 8,
2069−2079.
Barton, N., Lien, R., & Lunde, j. (1974). Engineering classification of rock masses
for the desing of tunel support. Rock Mech, 6, 189−236.
48
Bieniawski, Z.T. (1989). Engineering Rock Mass Classifications. Willey,
Rotterdam.
Brotons, V., Tomás, R., Ivorra, S. et al. (2016). Improved correlation between the
static and dynamic elastic modulus of Different types of rocks. Mater Struct, 49,
3021−3037.
Christaras, B., Auger, F., & Mosse, E. (1994). Determiantion of the moduli of
elasticity of rocks. Comparison of the ultrasonic velocity and mechanical
resonance frequency methods with direct static methods. Materials and
Structures, 27, 222−228.
Christaras, B., Marjolakos, I., Foundoulis, J., Athanasias, S., & Dimirou, A.
(1997). Geotechnical input for the protection of some Macedonian Tombs in
Northeen Greece. Proceedings of the 6th international symposium conservation
of monumnets in the Mediterranean Basin, 125−132. Rhodes.
Cobanoglu, I., & Celik, S.B. (2008). Estimation of uniaxial compressive strength
from point load. Bulletin of Engineering Geology and the Environment, 67(4),
491−498.
D'Andrea D.V., Fisher R.L., & Fogelson D.E. (1964). Prediction of compressive
strength from other rock properties. Colo Sch Mines Q, 59(4B) 623−640.
Dobrin, M., & Savit, C. (1988). Introduction to Geophysical Prospecting (4a

edicion). McGraw-Hill, New York.
Eissa, E., & Kazi, A. (1988). Relation between static and dynamic Young's moduli
of rocks. International Journal of Rock Mechanics and Mining Sciences &
Geomechanics Abstracts, 25(6), 479−482.
Galván-Ceballos, M., & Restrepo, I.A. (2016). Resistance correlation with

compression uniaxial effective humidity and porous rocks. DYNA, 83(198), 9−15.
49
Goodman. (1989). Introduction to Rock Mechanics (2a edicion). John Wile &
Sons, New York.
Hamid, N. (2017). Seismic Hydrocarbon Exploration−2D and 3D Techniques.

Springer, Switzerland.
ISRM (2007). The Complete ISRM Suggested Methods for Rock

Characterization, Testing and Monitoring: 1974-2006. Por: R. Ulusay and JA
Hudson (eds) Commission on Testing Methods, International Society for Rock
Mechanics. ISRM Turkish National Group, Ankara.
ISRM. (2015). The ISRM Suggested Methods for Rock Characterization, Testing
and Monitoring: 2007–2014. R Ulusay (ed) Commission on Testing Methods,
International Society for Rock Mechanics. ISRM Turkish National Group, Ankara.
Jamshidi, A., Zamanian, H., Zarei, R., & Sahamieh. (2018). The Effect of Density
and Porosity on the Correlation Between Uniaxial. Rock Mechanics and Rock
Engineering, 51(4), 1279−1286.
Karakul, H., & Ulusay, R. (2013). Empirical Correlations for Predicting Strength
Properties of Rocks from P-Wave Velocity Under Different Degrees of Saturation.
Rock Mechanics and Rock Engineering, 46(5), 981−999.
Khandelwal, M. (2013). Correlating P-wave Velocity with the Physico-Mechanical

Properties of Different Rocks. Pure and Applied Geophysics, 170(4), 507−514.
Kharaman, S. (2007). The correlations between the saturated and dry P-wave
velocity of rocks. Ultrasonics, 46(4), 341−348.
Kilic, A., & Teymen, A. (2008). Determination of mechanical properties of rocks

using simple methods. Bull Eng Geol & Envton, 67(2), 237−244.
King, M.S. (1983). Static and dynamic elastic properties of rocks from the
Canadian shield. International Journal of Rock Mechanics and Mining Sciences,
20(5), 273−241.
50
King, M.S. Recent deveploments in seismic rock physics. Int J Rock Mech & Min
Sci, 46(8), 1341−1348
Kurtulus, C., CakIr, S., & Yogurtcuoglu, A. C. (2016). Ultrasound study of

limestone rock physical. Soil Mechanics and Foundation Engineering 52(6),
348−354.
Mayko, G., Mukerji, T., & Dyorkin, J. (2009). The rock physics handbook: Tools
for Seismic Analysis of Porous Media. Cambridge University Press, Cambridge.
Consultado el 8 de noviembre de 2019: https://bit.ly/2X4n3yR
McNally, G. (1987). Estimation of Coal Measures Rock Strength using Sonic and
Neutron Logs. Geoexploration, 24(4−5) 381−395.
Montgomery, D.C. (2012). Desing and Analysis of Experiments, 8th ed.; Willey:
New Jersey, USA.
OLYMPUS. (2019). Acoplantes para ultrasonidos. Consultado el 13 de diciembre

de 2019: bit.ly/39zdb2B
Pardo, A., & Ruiz, M. Á. (2002). Análisis de datos con SPSS 13 Base. Mc Graw
Hill. Madrid, España.
Pickett, G.R. (1963). Acoustic character logs and their applications in formation
evaluation. J Petr Toch, diciembre, 659−667.
Sarkar, K., Vishal, V., & Singh, T. (2012). An empirical Correlation of index
geomechanical parameters with the compressional wave velocity. Geotech &
Geol Eng, 30(2), 469−479.
Schön, J.H. (2011). Physical properties of Rocks. In Handbook of Petroleum

Exploration and Production Cubitt, J. Ed.; vol 8. Elsevier: Amsterdam,
Netherlands.
51
Spearman, C. (1909). General Intelligence” Objectively Determined and
measured. Am J Piscol, 15, 201-293.
Terzaghi, K. (1943). Theoritical Soil Mechanics. Jhon Wiley & Sons, New York.
Statgraphics Centurión XVI (2007a). Tutorial regresión simple. Consultado 26 de

noviembre 2019: https://bit.ly/2UHetVn
Statgraphics Centurión XVI (2007b). Tutorial regresión múltiple. Consultado 26

de noviembre 2019: https://bit.ly/2UHetVn
Wen, L., Luo, Z., Yang, S. et al. (2019). Correlation of Geo-Mechanics

Parameters with Uniaxial Compressive Strength and P-Wave Velocity on
Dolomitic Limestone Using a Statistical Method. Geotech Geol Eng, 37,
1079−1094.
Wyllie, M.R.J., Gregory, A.R., and Gardner, L.W. (1956). Elastic wave velocities
in heterogeneous and porous media. GEOPHYSICS, 21, 41−70.
Yagiz, S. (2011). P-wave velocity test for assessment of geotechnical properties

of some rock materials. Bulletin of Materials Science, 34(4) 947−953.
Yasar, E., & Erdogan, Y. (2004). Correlating sound velocity with the density,
compressive strength and Young's modulus of carbonate rocks. International
Journal of Rock Mechanics and Mining Sciences, 41(5), 871−875.
Zoback, M. (2007). Reservoir Geomechanics. Cambridge University Press,

Cambridge. Consultado 20 de noviembre 2019: https://bit.ly/3aGF0HB
52
CAPÍTULO 8: ANEXOS
8.1. Ensayos de pulsos ultrasónicos
Figura 14. Grafico del ensayos de pulsos ultrasónicos sobre la probeta 1.
53
54
55
56
57

Pérez Morales, Raúl-Memoria

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pérez Morales, Raúl-Memoria

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD CATÓLICA DEL NORTE

FACULTAD DE INGENIERIA Y CIENCIAS GEÓLOGICAS

CORRELACIÓN DE LOS PARÁMETROS RESISTIVOS

Memoria para optar al grado de Licenciado en Ciencias de la Ingeniería y al

RAÚL ALEJANDRO PÉREZ MORALES

Finalmente agradecer a mi hermano Mauricio, por la fe que tuvo en mi hasta el

La determinación de las propiedades resistivas de la roca se lleva a cabo

El objetivo de este trabajo es correlacionar a resistencia a compresión uniaxial

Para cumplir este objetivo se recolectaron muestras de colpas de piedra caliza,

Ya obtenidos los modelos de regresión simple se utilizó el índice de correlación

CAPÍTULO 1: INTRODUCCIÓN ......................................................................... 1

1.1. Planteamiento ........................................................................................ 1

2.1. Ensayo de resistencia a compresión uniaxial ........................................ 4

3.1. Trabajo experimental ........................................................................... 16

CAPÍTULO 6: RECOMENDACIONES .............................................................. 47

CAPÍTULO 7: REFERENCIAS BIBLIOGRÁFICAS ........................................... 48

CAPÍTULO 8: ANEXOS .................................................................................... 53

8.1. Ensayos de pulsos ultrasónicos ............................................................. 53

Figura 1. Modo de desplazamiento de partículas de un medio atravesado por

Tabla 1. Correlaciones entre σc (MPa) y vp (km∙s-1). ......................................... 15

Las propiedades geomecánicas de un macizo rocoso son indispensables en la

Existen métodos para la determinación de σc que han sido estandarizados tanto

Correlacionar los parámetros resistivos de la caliza, medidos de manera directa

El objetivo de este trabajo es realizar los análisis de regresión simple y múltiple

1.2.1. Objetivo General

Correlacionar los parámetros resistivos de la caliza, medidos de manera directa

1.2.2. Objetivos específicos

• Determinar las propiedades índice de la caliza: densidad y porosidad.

2.1. Ensayo de resistencia a compresión uniaxial

El comportamiento mecánico de las rocas está definido por su resistencia y su

El ensayo de resistencia a compresión uniaxial (ISRM 2007; ASTM 2017a,

La resistencia a compresión uniaxial es la fuerza máxima por unidad de área que

donde Fc es la fuerza de rotura (MN) y A es el área de aplicación de la fuerza

Las ondas sísmicas se generan a partir de un cambio repentino en la tensión

Existen ondas de compresión, ondas transversales y ondas superficiales como

Existen dos tipos de perturbaciones que pueden moverse de acuerdo con la

Esta ecuación muestra claramente que la relación entre la velocidad de la onda

Estos dos tipos de ondas (ondas P y S) pertenecen a una clase de ondas,

2.2.2. Ondas de cuerpo

Ondas transversales u ondas S

En este caso el medio atravesado por este tipo de ondas no experimenta

Figura 1. Modo de desplazamiento de partículas de un medio atravesado por ondas de cuerpo,

2.3.1. Factores que influyen en la velocidad sísmica

Existen diversos factores que pueden influenciar la velocidad de una onda

En la naturaleza las propiedades de las rocas difieren enormemente unas de

La velocidad de las ondas sísmicas se ve influenciada por las variaciones en

A la diferencia entre Pc–Pp se le llama presión diferencial (Pdif), la cual controla

En medios menos consolidados (rocas sedimentarias) el aumento de la

La disminución de la velocidad con el aumento de la porosidad es una

donde vp es la velocidad de la onda compresiva de la roca porosa; vp,ma es la

Efecto de la presencia de fluidos

La saturacion de fluido tiene un impacto directo en las velocidades sismicas,

El análisis de regresión lineal es una técnica estadística utilizada para estudiar

2.4.1. Regresión lineal simple

El modelo de regresión lineal simple es un modelo con un solo regresor x, que

2.4.2. Regresión lineal múltiple

El procedimiento de regresión lineal permite utilizar más de una variable

2.4.3. Contraste de hipótesis

El contraste de hipótesis consiste en definir dos hipótesis H0 y H1 como: (I) H0 la

La hipótesis H0 se rechaza si |t0| > tα/2,N-2, donde t0 es la distribución t con cero

2.4.4. Análisis de varianza

Para probar la significancia de la regresión también se puede usar el método de

Uno de los supuestos básicos para un modelo de regresión es la independencia