T A D Q I Q O T L A R
jahon ilmiy – metodik jurnali
https://scientific-jl.com
62-son_5-to’plam_May-2025
256
ISSN:3030-3613
ATMOSFERADA ZARARLI MODDALARNING TARQALISH
JARAYONINI MASHINALI O'QITISH USULLARI
Odilov Abdullojon Komiljon oʻgʻli
Muhammad Al-Xorazmiy nomidagi Toshkent
Axborot Texnologiyalari Universiteti
“Kompyuter injiniringi” kafedrasi
E-mail:odilovabdullo1166@gmail.com
Annotatsiya
: Ushbu maqolada atmosferada zararli moddalarning tarqalish
jarayonini o‘rganish uchun mashinali o‘qitish usullaridan foydalanish muhokama
qilinadi. Maqolada modellashtirish jarayonida qo‘llaniladigan algoritmlar, ularning
samaradorligi va natijalarni vizuallashtirish usullari yoritilgan. Maqsad – zararli
moddalarning dinamik tarqalishini aniqlash va ekologik xavf-xatarlarni bashorat qilish.
Kalit so‘zlar
: atmosferada tarqalish, zararli moddalar, mashinali o‘qitish,
modellashtirish, vizuallashtirish, ekologik xavf.
Kirish
Hozirgi kunda atrof-muhitni muhofaza qilish insoniyat oldidagi dolzarb
masalalardan biri hisoblanadi. Atmosferaga turli manbalardan chiqadigan zararli
moddalar havoning sifati va inson salomatligiga jiddiy tahdid solmoqda. Bu
moddalarning tarqalishini aniqlash va bashorat qilish uchun zamonaviy texnologiyalar,
jumladan, mashinali o‘qitish (Machine Learning – ML) usullari keng qo‘llanilmoqda.
Mashinali o‘qitish texnologiyasi katta miqdordagi ma'lumotlarni qayta ishlash,
ularni tahlil qilish va natijalarni vizuallashtirish imkoniyatini beradi. Bu orqali
ekologik muammolarni chuqurroq o‘rganish va ularni hal etish yo‘llarini taklif qilish
mumkin. Ushbu maqolaning maqsadi – atmosferada zararli moddalarning tarqalishini
modellashtirish va vizuallashtirishda mashinali o‘qitish usullarini o‘rganishdir.
Tahlil va Muhokama
1. Atmosferada zararli moddalarning tarqalish jarayoni va uning o‘ziga xos
omillari
Atmosferada zararli moddalarning tarqalish jarayoni murakkab dinamik hodisa
bo‘lib, turli omillar ta’sirida kechadi. Ushbu moddalarning kontsentratsiyasi va
tarqalishi quyidagi asosiy omillarga bog‘liq:
1.
Meteorologik omillar
o
Shamol tezligi va yo‘nalishi
: Shamol zararli moddalarni manbadan uzoq
masofalarga olib borishi mumkin. Masalan, sanoat chiqindilari shamol yo‘nalishi
tufayli yaqin atrofdagi qishloq yoki shahar hududlarini ifloslantirishi mumkin.
T A D Q I Q O T L A R
jahon ilmiy – metodik jurnali
https://scientific-jl.com
62-son_5-to’plam_May-2025
257
ISSN:3030-3613
o
Havoning harorati
: Harorat ko‘tarilganda ba’zi moddalar bug‘lanib,
yuqoriroq qatlamlarga ko‘tarilishi mumkin. Bu jarayon inversiya hodisasi tufayli
ifloslanishning yer sathida to‘planishiga olib keladi.
o
Namlik darajasi
: Yuqori namlik sharoitida zararli moddalar suv
tomchilariga yopishib, og‘irroq bo‘lib yerga tushishi mumkin.
2.
Ifloslanish manbalari
o
Sanoat korxonalari
: Kimyo, metallurgiya va energetika sanoatlari katta
miqdorda chiqindi gazlar chiqaradi.
o
Transport
vositalari
:
Avtomobillar,
samolyotlar
va
poezdlar
atmosferaga karbonat angidrid, uglevodorodlar va azot oksidlarini chiqaradi.
o
Tabiiy manbalar
: Vulkan otilishi, yong‘inlar va chang bo‘ronlari ham
atmosferaning ifloslanishiga sabab bo‘lishi mumkin.
3.
Geografik va ekologik omillar
o
Tog‘li hududlarda shamolning to‘siqlar bilan to‘qnashuvi iflos
moddalarni bir joyda to‘planishiga olib keladi.
o
Daryolar yaqinida iflosliklarning suv bug‘lari bilan birikishi kuzatiladi.
o
Yashil hududlar zararli moddalarni tozalashda tabiiy filtr vazifasini
bajaradi.
Bu omillarni hisobga olgan holda, atmosferadagi zararli moddalar tarqalishini
aniqlash va modellashtirish ekologik xavflarni kamaytirishga yordam beradi.
2. Mashinali o‘qitish usullarining atmosferada moddalarning tarqalishini
modellashtirishdagi o‘rni
Mashinali o‘qitish (Machine Learning – ML) zamonaviy texnologiyalar ichida
eng tez rivojlanayotgan yo‘nalishlardan biridir. ML algoritmlari yordamida katta
hajmdagi ma’lumotlar tahlil qilinadi, murakkab jarayonlar modellashtiriladi va
bashorat qilinadi. Atmosferada zararli moddalarning tarqalishini o‘rganishda mashinali
o‘qitish quyidagi usullar orqali qo‘llaniladi:
2.1. Ma’lumotlar yig‘ish va tayyorlash
Modellashtirish jarayoni ishonchli ma’lumotlar bazasiga asoslanadi. Asosiy
manbalar quyidagilar:
Meteorologik ma’lumotlar (shamol yo‘nalishi, harorat, bosim).
Sun’iy yo‘ldosh tasvirlari (masalan, NASA yoki ESA ma’lumotlari).
Yerdagi monitoring stansiyalaridan olingan real vaqt ma’lumotlari.
Sanoat va transport chiqindilari statistikasi.
Ma’lumotlarni yig‘ib bo‘lgandan so‘ng ularni oldindan qayta ishlash zarur. Bu
jarayon quyidagilarni o‘z ichiga oladi:
Yetishmayotgan ma’lumotlarni to‘ldirish
: Ma’lumotlar to‘plamida
ayrim qiymatlar bo‘lishi mumkin. Buni to‘ldirish uchun interpolatsiya yoki o‘rtacha
qiymat usullari qo‘llanadi.
T A D Q I Q O T L A R
jahon ilmiy – metodik jurnali
https://scientific-jl.com
62-son_5-to’plam_May-2025
258
ISSN:3030-3613
Ma’lumotlarni normalizatsiya qilish
: Algoritm samaradorligini oshirish
uchun ma’lumotlar normalizatsiya qilinadi.
Keraksiz xususiyatlarni aniqlash va olib tashlash
: Faqat tahlil uchun
kerakli ma’lumotlar qoldiriladi.
2.2. Algoritmlarning qo‘llanilishi
a) Sun’iy neyron tarmoqlari (ANN)
Sun’iy neyron tarmoqlari murakkab va noaniq jarayonlarni modellashtirishda
samarali vosita hisoblanadi. ANN quyidagi bosqichlardan iborat:
Ma’lumotlarni kiritish
: Input qatlamiga barcha parametrlar kiritiladi
(shamol yo‘nalishi, harorat, chiqindi miqdori va boshqalar).
Yashirin qatlamlar
: Neyronlar o‘zaro bog‘lanib, murakkab aloqalarni
aniqlaydi.
Chiqish qatlami
: Natija sifatida zararli moddalarning tarqalish kartasi
hosil bo‘ladi.
Misol
: Neyron tarmoqlar yordamida biror shaharning sanoat zonasi atrofidagi
havoning ifloslanishini aniqlash mumkin.
b) Random Forest
Random Forest algoritmi murakkab jarayonlarning bashorat qilishida yuqori
aniqlikka ega. Bu usul ma’lumotlarni daraxtlarga ajratib, har bir daraxt bo‘yicha
prognoz beradi va yakuniy natijani yig‘adi.
Afzalliklari
:
o
Kichik va katta hajmdagi ma’lumotlar uchun samarador.
o
Kerakli parametrlar ustuvorligini aniqlaydi.
Misol
: Transport vositalari ko‘p harakatlanadigan hududlarda ifloslanish
darajasini bashorat qilish uchun Random Forest samarali qo‘llaniladi.
c) Gradient Boosting
Gradient Boosting algoritmi kichik xatolarni aniqlab, ularni bosqichma-bosqich
kamaytirishga asoslanadi. Xususan, aniq bashorat olish uchun ishlatiladi.
d) Chiziqli va ko‘p o‘zgaruvchan regressiya
Chiziqli regressiya yordamida zararli moddalarning konsentratsiyasi va uni
o‘zgartiruvchi omillar o‘rtasidagi bog‘liqlik aniqlanadi.
3. Vizuallashtirish usullari
Vizuallashtirish usullari orqali modellashtirish natijalari ko‘rinadigan va
tushunarli formatga keltiriladi. Eng ko‘p ishlatiladigan usullar:
1.
Issiqlik xaritalari (Heatmap)
o
Issiqlik xaritalari orqali hududlarda zararli moddalarning zichligi ranglar
yordamida ko‘rsatiladi. Masalan, qizil rang yuqori darajadagi ifloslanishni, yashil rang
esa toza hududni ko‘rsatadi.
2.
3D grafikalar
T A D Q I Q O T L A R
jahon ilmiy – metodik jurnali
https://scientific-jl.com
62-son_5-to’plam_May-2025
259
ISSN:3030-3613
o
3D vizuallashtirish atmosferada moddalarning vertikal tarqalishini
ko‘rsatadi. Bu ayniqsa, tog‘li va sanoat hududlari uchun muhimdir.
3.
Geografik axborot tizimlari (GIS)
o
GIS yordamida real vaqt rejimida monitoring o‘tkaziladi va natijalar
xaritalarga joylashtiriladi. Bu davlat organlari uchun ekologik xavfni boshqarishda
samarali vosita hisoblanadi.
4.
Animatsion modellar
o
Animatsiyalar orqali vaqt o‘tishi bilan zararli moddalarning qanday
tarqalishi ko‘rsatiladi. Masalan, kechayu kunduzgi o‘zgarishlar yoki shamol ta’sirida
tarqalish dinamikasi.
4. Amaliy natijalar
Mashinali o‘qitish usullari yordamida atmosferadagi zararli moddalarning
tarqalishini tahlil qilish bo‘yicha bir qator muvaffaqiyatli tadqiqotlar mavjud:
1.
Sanoat hududlari
o
Random Forest modeli yordamida bir shahardagi metallurgiya zavodi
atrofida ifloslanish darajasi 92% aniqlik bilan bashorat qilingan.
2.
Shahar transporti
o
Neyron tarmoqlar orqali shahar markazidagi avtomobil tirbandligi sababli
uglerod oksidining tarqalishi aniq modellashtirilgan.
3.
Tabiiy ofatlar
o
Vulkan otilishi vaqtida zararli gazlarning atmosferaga tarqalish jarayoni
GIS va sun’iy yo‘ldosh ma’lumotlari asosida vizuallashtirilgan.
Kelajak istiqbollari
Mashinali o‘qitishning atmosferadagi zararli moddalarni modellashtirishdagi
roli yanada kengayib bormoqda. Kelajakda quyidagilar muhim yo‘nalishlar
hisoblanadi:
Real vaqt rejimidagi monitoring
: Sun’iy yo‘ldosh va dronlar
ma’lumotlarini avtomatik qayta ishlash.
IoT texnologiyalari
: Sensorlar orqali havoning sifatini real vaqt rejimida
kuzatish.
Yuqori aniqlikdagi algoritmlar
: Deep learning va GAN (Generative
Adversarial Networks) kabi texnologiyalarni joriy etish.
Xulosa
Mashinali o‘qitish usullari yordamida atmosferada zararli moddalarning
tarqalishini modellashtirish va vizuallashtirish ekologik muammolarni samarali hal
etishda katta ahamiyatga ega. Ushbu usullar yordamida:
Zararli moddalarning tarqalishini aniq bashorat qilish mumkin.
Hududiy va global ekologik xavf-xatarlarni kamaytirish bo‘yicha strategik
qarorlar qabul qilishga yordam beradi.
T A D Q I Q O T L A R
jahon ilmiy – metodik jurnali
https://scientific-jl.com
62-son_5-to’plam_May-2025
260
ISSN:3030-3613
Atmosfera monitoringi real vaqt rejimida amalga oshiriladi va bu inson
salomatligini himoya qilish imkonini beradi.
Kelajakda ushbu usullarni yanada takomillashtirish uchun ma'lumotlar hajmini
oshirish va yangi algoritmlarni joriy etish zarur.
Adabiyotlar
1.
Axmedov, Q. (2019).
Atmosfera ifloslanishining ekologik oqibatlari
. Toshkent: Fan
nashriyoti.
2.
Mamatov, A., & Karimov, U. (2022). "Ekologik muammolarni yechishda sun’iy
intellekt roli,"
Texnologiya va Inovatsiya
, 12(4), 18-27.
3.
Rustamov, B. (2020).
Zamonaviy texnologiyalar yordamida atrof-muhit
monitoringi
. Samarqand: Zarafshon nashriyoti.
4.
Jo‘rayev, Sh. (2021).
Atmosfera havosini ifloslantiruvchi manbalar va ularni
boshqarish
. Toshkent: O‘zbekiston Milliy Universiteti nashriyoti.
5.
Karimov, I. (2018). "Mashinali o‘qitish algoritmlari va ularning ekologik
monitoringdagi qo‘llanilishi,"
Axborot Texnologiyalari Jurnali
, 7(2), 45-54.
6.
Saidov, N. (2021).
Ekologiya va atrof-muhitni muhofaza qilish
. Buxoro: Buxoro
Universiteti nashriyoti.
7.
Tursunov, A., & Murodov, J. (2022). "Havoning sifatini modellashtirishda sun’iy
neyron tarmoqlari,"
Ilmiy Texnologik Yangiliklar
, 14(3), 32-40.
8.
Yuldashev, F. (2020).
Ekologik monitoring va tahlil usullari
. Qarshi: Nasaf
nashriyoti.
