La adquisición completa del grupo de registros de pozos es fundamental para la interpretación petrofísica de un yacimiento. Entre ellos, los registros acústicos que además de ser utilizados en el campo petrofísico aportan información para la caracterización sísmica y análisis geomecánico. Dichos estudios están limitados al no disponer de los parámetros elásticos de las rocas porque las empresas no solicitan el procesamiento de los registros sónicos de cizalla. El presente trabajo se centró en el estudio de distintos métodos para la obtención de los registros sónicos dipolares a partir de las ecuaciones Greenberg-Castagna, Brocher, Castagna y Carrol. También se estudió la viabilidad de la obtención de los resultados recurriendo a métodos de inteligencia artificial empleándose redes neuronales y algoritmo genético. Los datos para el estudio contenían ocho pozos de un campo de la Faja Petrolífera del Orinoco y dos pozos del Golfo de Venezuela. Estos campos poseen características litológicas distintas por lo que se evaluó la capacidad de predicción de estas técnicas en diferentes ambientes sedimentarios. Se procedió estructurando un código en el lenguaje interpretado Matlab para evaluar la capacidad de predicción de registro DTS con las ecuaciones de empíricas mencionadas, donde la ecuación Greenberg Castagna generó el mejor modelo con valores de error cuadrático medio entre 75,74 y 194,24. Acto seguido se entrenó una red neuronal y los valores de error cuadrático medio estuvieron entre 64,90 y 155,30; por último se reestructuró un código para la generación de dicho registro mediante algoritmo genético y el rango de los errores estuvieron entre 21,03-151,42. En conclusión, con base a la aplicación de los diferentes métodos, el método más idóneo para la generación de registros sónicos de cizalla es redes neuronales artificiales por tener los menores valores de error cuadrático medio en los pozos estudiados, la arquitectura más efectiva es con la utilización de todo el grupo de registros y con 10 neuronas en la capa oculta.