YER OSTI SUVLARI GIDROSFERASI HARAKATINI SUN’IY INTELLEKT YORDAMIDA MODELLASHTIRISH
Kalit so‘zlar:
yer osti suvlari, sun’iy intellekt, mashinali o‘qitish, chuqur o‘qitish, gidrogeologik modellashtirish, neyron tarmoqlarAnnotatsiya
Yer osti suvlari suv ehtiyojlari, irrigatsiya va energiya
sohalarining muhim manbasini tashkil etadi. Biroq, ushbu ehtiyotlarning
samarali boshqarilishi qiyin muammolarni talab qiladi. Bu maqolada yer osti
suvlarini gidrosferasini harakatini sun’iy intellekt (AI) texnologiyalari
yordamida modellashtirish masalasiga to‘xtatilgan. Maqolada mashinali o‘qitish
algoritmlarining qo‘llanilishi, chuqur o‘qitish usullari, va qatlamlar orasidagi
suvning harakatini bashorat qilish uchun neyron tarmoqlar ishtirokida
o‘rganiladi. Tadqiqot natijalari shuni ko‘rsatadiki, AI ga asoslangan modellar
an’anaviy matematik modellariga nisbatan 15-25% aniqroq natija beradi va
hisoblash vaqtini 3-5 marta kamaytiradi.
Manbalar
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.