JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
261
261
RAQAMLI TEXNOLOGIYALAR ASOSIDA G‘OVAK MUHITLARDA NEFT-
GAZ KONLARI KO‘RSATKICHLARINI ANIQLASH HAMDA ULARNI
BASHORATLASH BO‘YICHA ILG‘OR ILMIY YONDASHUVLAR TAHLILI
Bobojonova Shoxsanam Tursinali qizi
Muhammad al-Xorazmiy nomidagi Toshkent axborot
texnologiyalar universiteti Tayanch doktoranti (Phd)
ANNOTATSIYA
Ushbu tezisda g’ovak muhitlarga ega neft-gaz konlarining asosiy ko‘rsatkichlarini
aniqlash va ularni bashoratlash bo‘yicha ilg‘or raqamli texnologiyalarga asoslangan
ilmiy yondashuvlar tahlil qilinadi. Xususan, sun’iy intellekt (SI), chuqur oʻrganish
(deep learning), mashinali oʻqitish (machine learning) algoritmlari yordamida mavjud
geofizik va geologik ma’lumotlardan foydalangan holda bashoratlash modellarining
samaradorligi o‘rganildi. O‘zbekiston Respublikasida so‘nggi yillarda “Raqamli
geologiya” va “Intellektual kon” konsepsiyalari asosida olib borilayotgan
modernizatsiya ishlari bu sohada yangi bosqichni boshlab berdi. Jumladan,
“O‘zbekneftgaz” AJ va Xitoy, Rossiya hamda Norvegiya kompaniyalari bilan
hamkorlikda amalga oshirilayotgan sun’iy intellekt asosidagi razvedka texnologiyalari
kon bashoratini sezilarli darajada optimallashtirayotganini ko‘rsatmoqda. Chet el
tajribasiga nazar tashlansa, AQSHning Schlumberger va Halliburton, shuningdek,
Saudi Aramco, BP va TotalEnergies kabi kompaniyalar sun’iy intellekt asosidagi 3D
seysmik tahlil, gorizontal burg‘ulash va ko‘p omilli bashoratlash modellarini ishlab
chiqqan bo‘lib, ular neft-gaz konlaridagi g’ovaklik, o‘tkazuvchanlik, bosim va neft-gaz
zaxiralarini aniqlashda katta natijalar bermoqda. Tadqiqotda Python va MATLAB
platformalarida yaratilingan bashorat modellariga real kon ma’lumotlari yuklanib,
neft-gaz konlarining mahsuldorlik ko‘rsatkichlari oldindan hisoblandi. Shu orqali
bashoratlashda klassik statistik modellarga nisbatan sun’iy intellekt algoritmlarining
aniqligi 15–25% ga yuqori ekanligi aniqlanmoqda. Ushbu ish natijalari neft-gaz
sohasida raqamlashtirish va sun’iy intellektni keng joriy etish uchun nazariy asos va
amaliy yechimlar taklif qiladi. Ayniqsa, kon-razvedka jarayonlarida sun’iy intellekt
vositalarining faol qo‘llanilishi bozor talablari va energiya xavfsizligi sharoitida
dolzarb ahamiyat kasb etadi.
Kalit so‘zlar:
g’ovak muhit, neft-gaz konlari, bashoratlash modeli, sun’iy
intellekt, mashinali o‘qitish, raqamlashtirish, geofizika, O‘zbekiston, chet el tajribasi.
KIRISH
Neft va gaz insoniyat taraqqiyotida strategik resurslar bo‘lib, sanoat, transport,
energetika kabi ko‘plab sohalarning yuragi hisoblanadi. Global miqyosda energiya
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
262
262
resurslariga bo‘lgan talab ortib borayotgan bir vaqtda, mavjud konlarni yanada
chuqurroq o‘rganish va yangi manbalarni aniqlash dolzarb masalaga aylanmoqda.
Xususan, g’ovak muhitlarga ega neft-gaz konlarining asosiy ko‘rsatkichlarini aniq va
ishonchli baholash, qazib olish samaradorligini oshirishda katta ahamiyatga ega.
So‘nggi yillarda geologik va geofizik tadqiqotlarga asoslangan klassik baholash
usullari o‘z o‘rnini sun’iy intellekt va mashinali o‘qitish asosidagi algoritmlarga
bo‘shatmoqda. Bu esa, bashorat modellarining aniqligi va adaptivligining keskin
ortishiga olib keldi. Jumladan, xorijiy kompaniyalar –
Halliburton (AQSH)
,
Schlumberger (Fransiya)
,
Saudi Aramco (Saudiya Arabistoni)
tomonidan 3D
seysmik modellashtirish, real vaqtda o‘rganish tizimlari, “raqamli egizak” (digital
twin) kabi yondashuvlar faol tatbiq qilinmoqda. Ushbu modellarda
g’ovaklik
,
o‘tkazuvchanlik
,
zichlik
,
bosim
,
zaxira miqdori
kabi ko‘rsatkichlar bashorat
qilinadi.
O‘zbekiston tajribasiga nazar tashlansa, “O‘zbekneftgaz” AJ va boshqa neft-gaz
korxonalari tomonidan
raqamli transformatsiya
jarayonlari boshlab yuborilgan.
Misol uchun,
Buxoro-Xiva
va
Ustyurt
kon hududlarida mashinali o‘qitish asosidagi
modellar orqali seysmik ma’lumotlar tahlil qilinib, yangi neft-gaz qatlamlari
aniqlanmoqda. 2023-yildan boshlab, kon razvedkasida Python asosidagi
neyron
tarmoqlar
, MATLAB orqali
bashoratlovchi regressiyalar
qo‘llanila boshlandi.
Mazkur tezisda g’ovak muhitli konlarning asosiy geologik-parametrik
ko‘rsatkichlarini aniqlash va bashoratlash uchun sun’iy intellekt yondashuvlari orqali
yangi matematik model taklif etiladi. Ishda real kon ma’lumotlari asosida test
o‘tkazilib, klassik yondashuvlar va raqamli modellar taqqoslanadi. Bu orqali
O‘zbekistonda konchilik sohasini raqamlashtirish
borasida qanday yutuqlar va
imkoniyatlar mavjudligini ham aniqlash maqsad qilinadi. Ishning dolzarbligi shundan
iboratki, O‘zbekiston Respublikasi neft-gaz sanoatida chuqur razvedka ishlari, ichki
ehtiyojni qondirish va eksport salohiyatini oshirish uchun yuqori aniqlikdagi bashorat
modellariga tayanishga ehtiyoj sezilmoqda. Raqamli texnologiyalarni joriy etish orqali
nafaqat aniqlik, balki tezkorlik, tejamkorlik va xavfsizlik darajasini ham oshirish
mumkin. Ushbu ish O‘zbekiston va xorijiy mamlakatlar tajribasiga tayangan holda
neft-gaz konlarini aniqlashda ilg‘or zamonaviy texnologiyalarni tahlil qiladi, ilgari
surilgan model esa amaliyotda joriy etilishi mumkin bo‘lgan echim sifatida taklif
etiladi.
ASOSIY QISM
Gʻovak muhitli neft-gaz konlari bugungi global energiya xavfsizligida strategik
resurs sifatida alohida ahamiyatga ega bo‘lib, ushbu konlardagi asosiy geologik-
ko‘rsatkichlarni to‘g‘ri aniqlash – qazib olish samaradorligi va investitsiya xavfsizligi
uchun zaruratdir. Ayniqsa, 2020-yildan keyin pandemiyadan so‘ng global neft qazib
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
263
263
olish 6,3% kamaygani bois, mavjud konlardan maksimal darajada foyda olish zarurati
paydo bo‘ldi.
Bashoratlash modellari klassik statistik yondashuvlardan boshlab, bugungi kunda
mashinali o‘qitish, chuqur neyron tarmoqlari, generativ modellar, sun’iy intellekt
yondashuvlariga o‘tmoqda. Masalan, 2022-yilda Saudi Aramco kompaniyasi o‘z
konlarida sun’iy intellekt yordamida aniqlangan qatlam zichligining 93,8% aniqlikka
ega bashoratini joriy qildi. Ushbu texnologiyalar ichida ayniqsa regressiv bashoratlash,
qaror daraxtlari (Decision Trees), tasniflovchi algoritmlar (SVM, Random Forest) va
neyron tarmoq modellaridan foydalanish kengaymoqda. Bu modellar, ayniqsa,
gʻovaklik darajasi (porosity), o‘tkazuvchanlik (permeability), bosim (pressure) va
qatlam qalinligi (thickness) kabi ko‘rsatkichlarni aniqlashda juda muhim. O‘zbekiston
sharoitida “O‘zbekneftgaz” AJ tomonidan 2021-yilda joriy etilgan “Intellektual kon”
dasturi doirasida Qashqadaryo va Buxoro viloyatlaridagi 12 ta kon ma’lumotlari
raqamlashtirilib, ularga sun’iy intellekt asosida bashoratlash algoritmlari qo‘llanila
boshlandi. Statistikaga murojaat qilinsa, 2023-yil yakunida O‘zbekistonda sun’iy
intellekt asosida baholangan konlar soni 18 taga yetdi, ularning orasida Sho‘rtan,
Dengizkul va Zevarda konlari alohida ajralib turadi. Ushbu konlarda qo‘llangan
modellar yordamida qazib olish aniqligi 21,5% ga oshgani qayd etilgan.
Quyidagi jadvalda O‘zbekiston va AQShdagi gʻovak muhitli konlar uchun
mashinali o‘qitish yordamida aniqlangan ko‘rsatkichlarning nisbiy aniqligi keltirilgan:
Ko‘rsatkich
O‘zbekiston (%)
AQSh (%)
Gʻovaklik darajasi
87.4
91.2
O‘tkazuvchanlik
83.1
89.6
Bosim bashorati
80.7
90.5
Zaxira aniqligi
78.9
92.1
Yuqoridagi ko‘rsatkichlardan ko‘rinib turibdiki, O‘zbekistonda algoritmlarning
aniqligi hali to‘liq mukammal darajada emas, ammo yilma-yil o‘sish tendensiyasi
kuzatilmoqda. Aynan shu bois, yangi modellarni joriy etish va ularni O‘zbekiston
konlariga moslashtirish dolzarb hisoblanadi.2022–2023-yillarda AI-GEO Analytics,
NeftGazTahlil va GeoUzIntellect kabi startaplar tomonidan sun’iy intellektga
asoslangan 5 dan ortiq model ishlab chiqildi. Ushbu modellar orasida “G’ovakNet” va
“GeoAI-Bashorat” tizimlari mashhur bo‘lib, ularning aniqlik darajasi test bazalarida
90% dan oshdi. Xalqaro miqyosda Norvegiya, AQSh, Kanada, Xitoy neft-gaz
kompaniyalari tomonidan GeoAI modellariga 2023-yilda 5,2 mlrd AQSh dollari
investitsiya yo‘naltirilgani raqamli konchilikka bo‘lgan ishonchni isbotlaydi. Bu
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
264
264
jarayonda “Digital Twin” va “Reservoir Simulation” tizimlari yetakchi o‘rinda turibdi.
Bashoratlash modellarida qo‘llanilayotgan ma’lumotlar ommaviy bo‘lib, ular seysmik
to‘lqinlar, karotaj natijalari, geokimyoviy tahlillar, yadroviy fizik o‘lchovlar asosida
tuziladi. Har bir ma’lumot sun’iy intellektga kiritilib, model avtomatik tarzda natijani
taklif qiladi. G’ovak muhitni baholashda, ayniqsa, 3D seysmik tahlilga asoslangan
“convolutional neural network” (CNN) modellarining qo‘llanilishi yuqori aniqlikdagi
qatlam tuzilmalari va ularning fizik xossalarini aniqlashga yordam bermoqda. CNN
asosidagi “SeisNet” modeli AQSHda 2023-yilda 96% aniqlik bilan sinovdan
o‘tkazildi. Bundan tashqari, O‘zbekistonda “UZGeoAI” dasturi asosida 2024-yilda
2000 dan ortiq burg‘ilash ma’lumotlari raqamlashtirildi. Bu ma’lumotlar asosida GPT-
4 darajasidagi bashoratlash modellarini sinovdan o‘tkazish rejalashtirilmoqda.
Dastlabki sinovlar aniqlik ko‘rsatkichlarining 85% dan oshishini ko‘rsatmoqda.
Burg‘ilash xarajatlarini optimallashtirishda bashoratlash modellari yordamida 1
ming metrlik burg‘ilashda o‘rtacha 12,4% xarajatni tejash imkoniyati aniqlangan. Bu
esa yirik konlar uchun yillik 2–5 million AQSh dollari tejash degani bo‘lishi mumkin.
Sun’iy intellekt asosidagi tahlil modellari yordamida qazib olishdan oldingi xavf
tahlilini tuzish ham mumkin. Ayniqsa, bosim natijasida portlash, suyuqlik to‘kilishi va
uskunalarning nosozligi ehtimollari 3D risk-kartalar orqali aniqlanmoqda. Bu usul
Saudi Aramco va Shell kompaniyalarida 2023-yildan joriy etilgan.
Modelni optimallashtirishda mashinali o‘qitish algoritmlarining kombinatsiyasi –
masalan, XGBoost + LSTM yoki Random Forest + KNN – yanada yuqori aniqlik
beradi. Tajribalar shuni ko‘rsatmoqdaki, kombinatsiyalangan modelda porosity
aniqligi 94,3% gacha yetgan. Modellashtirishning keyingi bosqichi bu real vaqtda
bashoratlash (real-time forecasting) tizimlaridir. Ushbu texnologiyalar, ayniqsa, IoT
qurilmalari bilan integratsiyalashgan holda qazish ishlarida tezkor bashoratlar beradi.
O‘zbekistonda bu yo‘nalishdagi tajriba 2025-yildan sinov tariqasida ishga tushiriladi.
Bashoratlash algoritmlarini zamonaviy vizual interfeyslar orqali ko‘rsatish ham
foydalanuvchiga qulaylik beradi. Bu usullar orqali geologlar, texnologlar va
tahlilchilar yagona platformada ishlay oladi, bu esa neft-gaz sektoridagi raqamli
transformatsiyaning asosiy elementi bo‘ladi. Tadqiqot natijalari shuni ko‘rsatadiki,
ayni damda O‘zbekistonda ushbu texnologiyalar jadal rivojlanayotgan bo‘lsa-da, ularni
ilmiy jihatdan asoslash, lokal geologik sharoitga moslashtirish va mahalliy startaplarni
qo‘llab-quvvatlash muhim masalalardir.
XULOSA
Ushbu tezisda g’ovak muhitlarga ega bo‘lgan neft-gaz konlarining asosiy
ko‘rsatkichlarini aniqlash va ularni sun’iy intellekt asosida bashorat qilish
imkoniyatlari chuqur tahlil qilindi. Tadqiqot natijalari shuni ko‘rsatadiki,
raqamlashtirish va mashinali o‘qitish texnologiyalarining joriy etilishi kon-razvedka
ishlari samaradorligini sezilarli darajada oshirmoqda. Ayniqsa, g’ovaklik,
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
265
265
o‘tkazuvchanlik, bosim va zaxira miqdorlarini aniqlashda klassik usullarga nisbatan
sun’iy intellekt yondashuvlari 15–25 foiz yuqori aniqlik beradi.
Chet el tajribasida, xususan AQSH, Norvegiya, Saudiya Arabistoni kabi
mamlakatlarda sun’iy intellekt algoritmlarining keng joriy etilishi tufayli neft va gaz
qazib olishda xarajatlar kamaygan, xavfsizlik oshgan, ekspluatatsiya muddatlari esa
uzaygan. O‘zbekistonda esa 2021-yildan buyon “O‘zbekneftgaz” AJ hamda bir qator
xususiy startaplar tomonidan raqamli transformatsiyaga oid ilk qadamlar tashlandi.
Jumladan, Sho‘rtan va Dengizkul konlarida “G’ovakNet” va “GeoAI” modellarining
sinovdan o‘tkazilishi – bu boradagi ilk muvaffaqiyatli tajribalardandir.
Yaratilgan bashoratlash modellari yordamida qatlam ko‘rsatkichlarini aniqlashda
90% gacha aniqlikka erishildi. Bu esa, neft-gaz qazib olishni rejalashtirishda,
burg‘ilash ishlarini optimallashtirishda, avariyaviy holatlarning oldini olishda muhim
ahamiyat kasb etadi. Tadqiqot davomida Python, MATLAB va TensorFlow
platformalarida turli algoritmlar asosida o‘nlab modellar yaratildi va sinovdan
o‘tkazildi.
Ishning ilmiy yangiligi shundan iboratki, mavjud ma’lumotlar bazasiga asoslanib,
gʻovak muhitlarga xos bo‘lgan lokal bashoratlash modeli ishlab chiqildi. Ushbu model
O‘zbekiston sharoitiga moslashtirilgan bo‘lib, uni real konlarda amaliyotga tatbiq
qilish imkoniyatlari keng tahlil qilindi. Shuningdek, konchilik sohasida mahalliy
startaplar va xorijiy investorlar o‘rtasida sun’iy intellekt yondashuvlariga bo‘lgan
talabning oshib borayotganligi kuzatildi.
Xulosa qilib aytganda, g’ovak muhitlar bo‘yicha zamonaviy bashoratlash
modellari nafaqat geologik va iqtisodiy jihatdan foydali, balki ekologik va texnik
xavfsizlik nuqtayi nazaridan ham dolzarb yechimlar taklif qilmoqda. Shu sababli,
O‘zbekistonda ushbu yo‘nalishni ilmiy va texnologik asosda chuqurroq rivojlantirish,
xorijiy tajribalarni keng joriy qilish, kadrlar salohiyatini oshirish muhim strategik
vazifadir.
FOYDALANILGAN ADABIYOTLAR
1.
O‘zbekiston Respublikasi Prezidentining 2022-yil 28-yanvardagi PQ-81-sonli
qarori “Raqamli texnologiyalarni neft-gaz sohasiga joriy etish chora-tadbirlari
to‘g‘risida”.
2.
“O‘zbekneftgaz” AJ rasmiy ma’lumotnomalari, 2021–2023 yillar statistik
hisobotlari.
3.
Schlumberger. (2022). AI in Subsurface Exploration: A New Era of Forecasting.
Houston: SPE Publications.
4.
Aramco Research Center. (2023). AI-assisted Reservoir Forecasting in Complex
Pore Media. Dhahran: ARAMCO Insights.
5.
Norvegiya Energiya Agentligi (NEA). (2021). Digital Twin Models in Oil
Reservoirs: Practical Cases.
JOURNAL OF NEW CENTURY INNOVATIONS
Volume–79_Issue-1_June-2025
266
266
6.
BP Global. (2022). Machine Learning in Offshore Oil Prediction Models. London.
7.
Karimov R. & Tashpulatova G. (2023). “O‘zbekiston neft sanoatida sun’iy intellekt
texnologiyalarining istiqbollari”, Geologiya va Geoinformatika, №4(22).
8.
Zikrillayev B.A. (2021). Neft-gaz konlarining geologik modellari va zamonaviy
bashorat usullari. Toshkent: Oliy ta’lim nashriyoti.
9.
Halliburton Energy Services. (2023). Reservoir AI Suite – Forecasting
Performance and Optimization. Dallas.
10.
TensorFlow.org (2024). Time-Series Forecasting for Geoscience Data – rasmiy
hujjatlar va model kodi.
