YER OSTI SUVLARI GIDROSFERASI HARAKATINI SUN’IY INTELLEKT YORDAMIDA MODELLASHTIRISH
Ключевые слова:
yer osti suvlari, sun’iy intellekt, mashinali o‘qitish, chuqur o‘qitish, gidrogeologik modellashtirish, neyron tarmoqlarАннотация
Подземные воды являются важным источником
водоснабжения, ирригации и энергетической отрасли. Однако
эффективное управление этими ресурсами требует решения сложных
задач. В данной статье рассматривается вопрос моделирования движения
гидросферы подземных вод с использованием технологий искусственного
интеллекта (AI). В статье изучается применение алгоритмов машинного
обучения, методов глубокого обучения, а также участие нейронных сетей
для прогнозирования движения воды между слоями. Результаты
исследования показывают, что модели, основанные на AI, дают
результаты на 15–25% точнее по сравнению с традиционными
математическими моделями и сокращают время вычислений в 3–5 раз.
Библиографические ссылки
Юсупов, Р. А. (2022). Дамхўжа ер ости сув олиш иншооти ҳудуди геофильтрация жараёнларини моделлашда сонли ечиш алгоритмларини қуриш ва тадқиқи қилиш. ТАТУ хабарлари: Илмий-техника ва ахборот-таҳлилий журнали, 3(62), 21–31.
Djumanov, J. X., & Yusupov, R. A. (2024). Gidrogeologik modellashtirish masalalarini yechishda amaliy dasturiy ta’minotning o‘rni. In Oliy ta’limni raqamlashtirish sharoitida innovatsion o‘qitish texnologiyalarini qo‘llash masalalari (ICT Edu 2024): Respublika ilmiy-uslubiy anjumani (pp. 3–6). Toshkent: Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. Cambridge, MA: MIT Press.
Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. Cambridge, MA: MIT Press.
Hashemi, H., & Sahoo, D. (2017). Machine learning applications in groundwater management. Journal of Hydrology, 552, 765–780.
Shirmohammadi, A., et al. (2006). Soil and water assessment tool (SWAT) model applications. Environmental Modelling & Software, 21(5), 675–688.
Hargreaves, G. H., & Samani, Z. A. (1985). Reference crop evapotranspiration from temperature. Journal of Irrigation and Drainage Engineering, 111(2), 113–125.
Kingma, D. P., & Ba, J. (2014). Adam: A method for stochastic optimization. arXiv Preprint, arXiv:1412.6980.
Karpukhin, V., et al. (2020). Dense passage retrieval for open-domain question answering. In Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP).
UNESCO. (2019). Groundwater: Making the Invisible Visible. Paris: UNESCO World Water Assessment Programme.