“JOURNAL OF SCIENCE-INNOVATIVE RESEARCH IN
UZBEKISTAN” JURNALI
VOLUME 2, ISSUE 11, 2024. NOVEMBER
ResearchBib Impact Factor: 9.654/2024 ISSN 2992-8869
521
ANFIS YORDAMIDA EKINLARNI AVTOMATIK SUG‘ORISH
TIZIMLARI: KONSEPTUAL YONDASHUV VA AMALIYOT
Yuldashov Ollabergan Ergash o‘g‘li
Urganch davlat universiteti o‘qituvchisi
Annotatsiya
. Ekinlarni sug‘orish jarayoni zamonaviy qishloq xo‘jaligida
muhim rol o‘ynaydi, chunki suvni samarali boshqarish ekinlarning o‘sishi va
mahsuldorligini ta’minlashga yordam beradi. Ushbu maqolada ANFIS (Adaptive
Neuro-Fuzzy Inference System) yordamida ekinlarni avtomatik sug‘orish tizimi
ishlab chiqildi. Tizim harorat va namlikni hisobga olgan holda ekinlarni sug‘orish
rejimini boshqaradi. Fuzzy mantiq va chiziqli regressiya usullari yordamida, harorat
va namlikning turli darajalarida suv sarfi bashorat qilinadi. Maqolada, tizimning
ishlash prinsipi, foydalanilgan metodologiyalar va python dasturlash tilida
yaratilgan loyiha tahlil qilinadi.
Kalit so‘zlar
. ANFIS, fuzzy, neyron tarmoq, chiziqli regressiya, avtomatik
sug‘orish tizimi.
Abstract.
The irrigation process plays a crucial role in modern agriculture, as
efficient water management helps ensure the growth and productivity of crops. This
paper presents the development of an automatic irrigation system for crops using
ANFIS (Adaptive Neuro-Fuzzy Inference System). The system manages the
irrigation schedule of crops considering both temperature and humidity. Using fuzzy
logic and linear regression methods, water consumption is predicted at different
levels of temperature and humidity. The paper analyzes the working principle of the
system, the methodologies used, and the project developed using the Python
programming language.
Keywords.
ANFIS, fuzzy logic, neural network, linear regression, automatic
irrigation system.
Kirish.
Zamonaviy qishloq xo‘jaligida ekinlarni sug‘orish jarayoni ko‘pincha inson
tomonidan boshqariladi. Bu esa resurslarning isrof bo‘lishiga, shuningdek,
ekinlarning o‘sishi uchun zarur bo‘lgan optimal sharoitlarning yomonlashishiga olib
“JOURNAL OF SCIENCE-INNOVATIVE RESEARCH IN
UZBEKISTAN” JURNALI
VOLUME 2, ISSUE 11, 2024. NOVEMBER
ResearchBib Impact Factor: 9.654/2024 ISSN 2992-8869
522
kelishi mumkin. Iqlim o‘zgarishi va suvsizlik muammolari ham ushbu jarayonni
murakkablashtiradi. Shu sababli, ekinlarni sug‘orishni avtomatlashtirish va uning
samaradorligini oshirish uchun ilg‘or texnologiyalarni qo‘llash zarur. ANFIS
texnologiyasi, fuzzy mantiq va neyron tarmoqni birlashtirgan gibrid tizim bo‘lib,
aniq va moslashuvchan qarorlar qabul qilish imkoniyatini yaratadi. Bu maqolada
ANFIS yordamida ekinlarni avtomatik sug‘orish tizimining ishlash prinsipi va
amaliyotdagi qo‘llanilishi tahlil qilinadi.
ANFIS – bu fuzzy mantiq va neyron tarmoqlarining integratsiyasi asosida
ishlab chiqilgan tizimdir[1,2]. Fuzzy mantiq noaniqlikni qabul qilish imkonini
beradi, neyron tarmoq esa o‘rgatish va optimallashtirishni ta’minlaydi. Bu tizim
yordamida ekinlarni sug‘orishning optimal shartlari aniqlanadi. ANFIS tizimining
ishlash prinsipi fuzzy qoida bazasidan (rules base) va neyron tarmoqning o‘rgatish
jarayonidan iborat bo‘lib, qarorlar qabul qilishda samarali ishlaydi.
Sug‘orishning samaradorligini oshirishda iqlim sharoitlari va suv miqdorining
o‘zgarishi muhim rol o‘ynaydi. Suvning etarli bo‘lmaganligi ekinlarning o‘sishini
to‘xtatishi yoki ularning hosil berishini kamaytirishi mumkin. ANFIS tizimi harorat,
namlik va boshqa faktorlar asosida sug‘orish shartlarini optimal ravishda belgilaydi.
Bu tizim iqlim sharoitlariga mos ravishda avtomatik tarzda sozlanadi va suvni
tejashga yordam beradi [3,4,5].
ANFIS yordamida sug‘orish tizimini loyihalash
ANFIS tizimi yordamida sug‘orish jarayonini quyidagi qadamlar asosida
optimallashtirish mumkin:
Dataset yaratish
: Mutaxassislar yordamida sug‘orish jarayonida harorat,
namlik, berilishi kerak bo‘lgan suv miqdori kabi qiymatlardan iborat datasetni
shakillantirish.
Fuzzy toplamlarni yaratish:
Sug‘orish jarayonini boshqarish uchun fuzzy
mantiqdan foydalaniladi. Harorat, namlik, suv miqdori va boshqa parametrlar
mutaxassislar ko‘magida fuzzy to‘plamlar yordamida tasvirlanadi.
ANFIS modelini yaratish
: Tizimda fuzzy qoida bazasi (rules base) va ularga
mos neyron tarmoq tuzilmasi yaratiladi. Bu tizim ma’lumotlarni o‘rgatish jarayonida
ishlaydi va o‘rgangan ma’lumotlar asosida qarorlar qabul qiladi.
“JOURNAL OF SCIENCE-INNOVATIVE RESEARCH IN
UZBEKISTAN” JURNALI
VOLUME 2, ISSUE 11, 2024. NOVEMBER
ResearchBib Impact Factor: 9.654/2024 ISSN 2992-8869
523
Sug‘orish shartlarini optimallashtirish
: ANFIS tizimi iqlim sharoitlari va
ekinlarning ehtiyojlarini hisobga olib, optimal sug‘orish shartlarini belgilaydi.
ANFIS ning ishlash prinsipi fuzzy mantig‘iga asoslanadi, bu esa ma’lumotlarni
aniq raqamlar o‘rniga, noqattiy qiymatlar shaklida taqdim etish imkonini beradi.
Loyihada harorat (t), namlik (h) va suv miqdorlari qiymatlari lingvistik
o‘zgaruvchilar sifatida ishlatilgan. Har bir lingvistik o‘zgaruvchi bir nechta fuzzy
to‘plamlaridan iborat bo‘ladi. Fuzzy to‘plamlar, kiritilgan qiymatning a’zolik
darajasini belgilaydi, ya’ni harorat va namlikning ma'lum bir intervaldagi
qiymatlariga qarab, bu qiymatlar to‘g‘risidagi fuzzy (noaniq) qarorlar olinadi. Fuzzy
to‘plamlari grafigi sifatida uchburchak, trapetsiya, trapetsiyaning chap va o‘ng
bo‘laklaridan foydalanildi. Mazkur loyiha uchun yaratilgan dasturning qulayligi
shundaki, oddiy text faylga grafik ma’lumotlari beriladi, dastur berilgan ma’lumotlar
asosida a’zolik funksiyasini quradi va grafigini yaratadi [6].
Qoidalar quyidagi ko’rinishda oddiy text faylda beriladi:
if <fuzzy_o‘zgaruvchi> is <lingvistik_qiymat> then f(x,y)
If qismida fuzzy o‘zgaruvchi sifatida temp (temperatura), hum (namlik) yoki
ularning fuzzy amallari bilan ifodalangan kombinatsiyasi lingvistik qiymatlari bilan
beriladi. Then qismida esa datasetdagi if qismida ko‘rsatilgan shartlarni
qanoatlantiruvchi qism dataset asosida chiziqli regressiya funksiyasi avtomatik
quriladi.
“JOURNAL OF SCIENCE-INNOVATIVE RESEARCH IN
UZBEKISTAN” JURNALI
VOLUME 2, ISSUE 11, 2024. NOVEMBER
ResearchBib Impact Factor: 9.654/2024 ISSN 2992-8869
524
Bashorat qilinishi kerak bo‘lgan qat’iy kiruvchi qiymatlar 1-qatlamda a’zolik
darajalari aniqlanadi, 2-qatlamda qoidalar bo‘yicha noqat’iy qiymatlari aniqlanadi,
3-qatlamda noqat’iy qiymatlar normallashtiriladi, 4-qatlamda har bir qoida asosida
qurilgan chiziqli regressiya qiymati hisoblanadi va nihoyat 5-qatlamda har bir qoida
uchun normallashtirilgan noqat’iy qiymat va chiziqli regressiya qiymatlari
ko‘paytmalarining yig‘indisi hisoblanadi. [7] Chiquvchi qiymat esa bashorat
qilingan suv miqdori hisoblanadi.
Xulosa.
Bu loyiha, fuzzy mantiq va regressiya yordamida atrof-muhit o'zgaruvchilariga
asoslangan prognozlar va modellashtirishni amalga oshiradi. Harorat va namlikni
baholash, fuzzy qiymatlar bilan ishlash, va chiziqli regressiya yordamida natijalarni
hisoblash orqali foydalanuvchilarga aniq prognozlar chiqarish imkonini beradi.
Proyektni harorat va namlikka asoslangan prognozlar chiqarish uchun foydalanish
mumkin, va uning imkoniyatlarini qo'shimcha o'zgaruvchilar yoki qoidalar bilan
kengaytirish mumkin.
ANFIS yordamida ekinlarni avtomatik sug‘orish tizimi, qishloq xo‘jaligida suv
resurslarini samarali boshqarish va ekinlarning o‘sishini optimallashtirishda katta
imkoniyatlar yaratadi. Fuzzy mantiq va neyron tarmoqlarning integratsiyasi
yordamida tizim noaniq va o‘zgaruvchan sharoitlarda samarali ishlashga qodir.
Kelajakda bu texnologiya yanada rivojlanishi va kengroq qo‘llanilishi mumkin.
ANFIS tizimlari nafaqat ekinlarni sug‘orish, balki boshqa qishloq xo‘jaligi
jarayonlarini avtomatlashtirishda ham foydali bo‘lishi mumkin.
“JOURNAL OF SCIENCE-INNOVATIVE RESEARCH IN
UZBEKISTAN” JURNALI
VOLUME 2, ISSUE 11, 2024. NOVEMBER
ResearchBib Impact Factor: 9.654/2024 ISSN 2992-8869
525
Foydalanilgan adabiyotlar.
1.
Jang, B. (2018). "Introduction to ANFIS: A neuro-fuzzy system,"
Journal of Computing and Applied Informatics, 12(4), 55-67.
2.
Komilova Zulxumor Xokimovna, Rustamova Xusnida Orifjon qizi.
(2024) “ANFIS arxitekturasi va qat'iy mas gibrid klassifikatorlar: sun'iy intellekt
sohasidagi qo‘llanilislari va imkoniyatlari”, Pedagogik islohotlar va ularning
yechimlari. 391-397.
3.
Smith, H. & Lee, R. (2017). "Fuzzy Logic Applications in Agriculture,"
Agricultural Systems Journal, 45(3), 89-102.
4.
Rajashekar, S., & Kumar, M. (2019). "Automated Irrigation Using
ANFIS System," International Journal of Agriculture and Technology, 11(2), 112-
120.
5.
A.Sriram, Niteesha Sharmau, K.S.Reddy, G.L.Anand Babu, (2019)
“Automated Irrigation System For Agriculture” International Journal of Innovative
Technology and Exploring Engineering., 53-56
6.
https://github.com/OllaberganYuldashov/ANFIS
7.
Chin, R. J., Lai, S. H., Ibrahim, S., Jaafar, W. Z. W., & Elshafie, A.
(2019). ANFIS-based model for predicting actual shear rate associated with wall slip
phenomenon. Soft Computing.
