Este trabajo presenta un análisis para predecir el desempeño energético de un compresor reciprocante que trabaja con refrigerante R134a usando inteligencia artificial. El compresor se encuentra en un sistema de compresión de vapor; las pruebas se obtuvieron experimentalmente y se utilizaron para desarrollar un modelo de red neuronal artificial y otro con una red neuronal probabilística. Debido a que la relación entre las variables de entrada del compresor y las variables de salida es compleja, estas técnicas del área de la inteligencia artificial son excelentes métodos para modelar este tipo de compresores. Las variables de entrada fueron: velocidad de rotación, presión de succión, temperatura de succión y presión de descarga. Las variables de salida fueron: flujo másico, temperatura de descarga y el consumo energético. Se realizaron simulaciones computacionales para entrenar y validar los métodos propuestos. Con el fin de medir el rendimiento de estos métodos, la media del error cuadrático se calculó para cada prueba experimental y para cada modelo. Los resultados de las simulaciones se utilizaron para establecer la validez de los modelos. Por último, la principal contribución de este trabajo es extender el uso de la inteligencia artificial para predecir y simular el comportamiento de un compresor reciprocante.