Писком дарёси оқимини турли прогнозлаш моделлари асосида баҳолашнинг илмий асослари

Ў. БАЛXИЕВ; К. ҒОФУРЖОНОВ; Д. ТУРҒУНОВ

Mualliflar

Ў. БАЛXИЕВ

Гидрометеорология илмий-тадқиқот институти
К. ҒОФУРЖОНОВ

Гидрометеорология илмий-тадқиқот институти
Д. ТУРҒУНОВ

Гидрометеорология илмий-тадқиқот институти

Annotasiya

Ушбу мақолада Писком дарёси ҳавзасидаги метеорологик маълумотлар асосида Machine Learning (ML) моделларидан фойдаланиб сув сарфини прогнозлаш имкониятлари ўрганилди. Мақолади Писком дарёси оқими билан метеорологик омиллар орасидаги боғланишлар Random Forest, XGBoost ва LSTM моделлари асосида кўрилди ҳамда уларнинг аниқлиги турли баҳолаш кўрсаткичлари (MAE, RMSE, R² ва NSE) орқали таққосланди. Таҳлиллар шуни кўрсатдики, Random Forest модели Писком дарёси сув сарфини юқори аниқлик билан прогнозлашда энг самарали натижани берди. Тадқиқот натижалари дарё оқимини миқдорий баҳолаш ва сув ресурсларини бошқаришда ML моделлари самарали восита бўлиши мумкинлигини кўрсатади

Nashr qilingan

27-01-2026

Nashr

№ 3 (2025): ГИДРОМЕТЕОРОЛОГИЯ ВА АТРОФ-МУҲИТ МОНИТОРИНГИ

Bo'lim

Maqolalar

Yuklashlar

Kalit so‘zlar:

Qanday qilib iqtibos keltirish kerak

БАЛXИЕВ Ў., ҒОФУРЖОНОВ, К., & ТУРҒУНОВ, Д. (2026). Писком дарёси оқимини турли прогнозлаш моделлари асосида баҳолашнинг илмий асослари. Gidrometeorologiya Va Atrof-Muhit Monitoringi, 3, 57-67. https://nigmi-journal.uz/index.php/jhem/article/view/21

Bibliografik manbalar

Шульц В.Л., Машрапов Р. Ўрта Осиё гидрографияси. – Тошкент: Ўқитувчи, 1969. – 327 б.

Nishonov B. E., Abdurakhmanov, M. M. Evaluation of ERA5 reanalysis data with observed data in the Akhangaran River Basin // Hydrometeorology and Environmental Monitoring, 2025. №1. – PP. 28-38.

Kratzert F., Klotz D., Brenner C., Schulz K., Herrnegger M. Rainfall–runoff modelling using long short-term memory (LSTM) networks // Hydrology and Earth System Sciences, 2023. №2. – PP. 19-48.

Pedregosa, F., Varoquaux, G., Gramfort, A., Michel V., Thirion B., Grisel O., Duchesnay É. Machine Learning in Python // Journal of Machine Learning Research, 2021. №5. – PP. 23-39.

Электрон ресурслар:

UN “World Population Prospects 2022”. URL: https://www.un.org

Machine Learning Tutorial. URL: https://www.geeksforgeeks.org/machine-learning

XGBoost Tutorials. URL: https://xgboost.readthedocs.io/en/stable/tutorials/model.html

LSTM Tutorials. URL: https://scikit-learn.org/stable/modules/ensemble.html

Litsenziya

Ushbu ish Creative Commons Attribution 4.0 Worldwide.

Ilmiy jurnalning maqsadi gidrometeorologiya fanining muammolari va yutuqlarini yoritish, uni amaliyotda qo‘llash, shuningdek, O‘zbekiston va jahonda atrof-muhitning ifloslanishi monitoringini olib borishdan iborat.

NAVIGATSIYA:

MUALLIFLAR UCHUN:

Maqolalarga qo'yiladigan talablar

Materiallarni yuborish

Shaxsiy kabinet

КОНТАКТЫ:

Toshkent shahar, 100052, Yunusobod tumani,
Bodomzor yo‘li 1-tor ko‘cha, 72

tel: (+998 71) 235 83 50