MA’LUMOTLARNI INTELLЕKTUAL TAHLIL QILISH ASOSIDA FAVQULODDA VAZIYATLARGA OID AXBOROTLARGA ISHLOV BERISH Текст научной статьи по специальности «Компьютерные и информационные науки»

UO'T: 004.!

Tadqiqot

MA'LUMOTLARNI INTELLEKTUAL TAHLIL QILISH ASOSIDA FAVQULODDA VAZIYATLARGA OID AXBOROTLARGA ISHLOV

BERISH

Mirzaakbar Xudayberdiyev,

t.f.n. dotsent,

Toshkent axborot texnoIogiyaIari universiteti, [email protected]

- Oybek Qoraboshev,

Raqamli texnologiyalar va sun'iy intellektni rivojIantirish ilmiy-tadqiqot instituti tayanch doktoranti,

[email protected], Nurmuhammad Alimqulov, Andijon davlat universiteti tayanch doktoranti, [email protected] Sherzod Yuldashev,

o'qituvchi,

O'zbekiston RespublikasiJamoatxavfsizIigi universitetii

[email protected]

Annotatsiya. Ushbu maqoIadayong'in xavfsizIigiga oid ma'IumotIar korreIyatsion tahIiI qiIinib, regressiya to'g'ri chiziq tengIamasiyordamida bashoratIash ishIari keItirib o'tiIgan. Undan tashqari, umumIashtirish qobiIiyatiga ega kombinatorikaIi bahoIash masaIaIari va dasturiy vositaIarini tadqiq etish masaIasi ham keItiriIgan.

Tayanch so'zlar: sun'iy inteIIekti korreIyatsiyai regressiya, o'quv tanIanma, bashoratIash, interaktiv aIoqa, bahoIarni hisobIash aIgoritmIari.

Аннотация. В этой статье анализируется корреляция данных о пожарной безопасности и даются прогнозы с использованием уравнения прямой линии регрессии. Есть также вопросы комбинаторного оценивания с возможностью обобщения и изучения программных средств.

Ключевые слова: искусственный интеллект, корреляция, регрессия, образовательная выборка, прогнозирование, интерактивная коммуникация, алгоритмы вычисления оценок.

Abstract. This articIe anaIyzes the correIation of fire safety data and makes predictions using a straight Iine regression equation. There are aIso issues of combinatoriaI estimation with the possibiIity of generaIization and study of software tooIs.

Key words: artificiaI inteUigence, correIation, regression, educationaI sampIe, forecasting, interactive communication, aIgorithms for caIcuIating estimates.

Respublikamizda barcha soha singari axborot kommunikatsiya va kompyuter texnologiyalarini rivojlantirishga katta e'tibor qaratilmoqda. Hozirgi kunda vujudga kelgan obyektlarni tahlil qilish bilan bog'liq axborotlarning kun sayin ortib borishi, yangicha usullarning ko'payishi ma'lumotlarni intellektual tahlillash masalalarining samarali yechimlarini olishga bo'lgan ehtiyojni keltirib chiqarmoqda. Intellektual tahlillash usullari yordamida ma'lumotlarga dastlabki ishlov berish, ish sifatini yaxshilash hamda ulardagi yashirin qonuniyatlarni aniqlash kabi masalalar hal etiladi. Timsollarni aniqlash sifatini

oshirish va hisoblash xarajatlarini kamaytirishning yondashuvlaridan biri o'quv ma'lumotlarini oldindan tahlil qilishdir. Ushbu tahlilning asosiy maqsadi ta'lim majmuasining asosiy informatsion xususiyatlarini baholash, xususan, belgilarning vazni (informativligi)ni aniqlashdan iborat. Tanib olish - kirish va chiqishga ega bo'lgan ba'zi bir axborotni o'zgartiruvchi (intellektual axborot kanali, tanib olish tizimi) tomonidan amalga oshiriladigan axborot jarayonidir. Tizimning kiritilishi taqdim etilgan obyektlar qanday xususiyatlarga ega ekanligi haqidagi ma'lumotlardir. Tizimning chiqishida aniqlangan obyektlar qaysi sinflarga

86

Agro Inform N2 [4] 2022

(umumlashtirilgan timsollar) tayinlanganligi haqida ma'lumot ko'rsatiladi. Timsollarni aniqlashning avtomatlashtirilgan tizimini yaratish va ishlatishda bir qator vazifalar hal qilinadi. Ushbu vazifalarning formulalari va to'plamning o'zi turli mualliflar bilan mos kelmaydi, chunki bu ma'lum darajada u yoki bu tanib olish tizimi asoslangan aniq matematik modelga bog'liq. Bundan tashqari, ma'lum bir tanib olish modellarida ba'zi vazifalar yechimga ega emas va shunga mos ravishda qo'yilmaydi. Bunday vaziyatlarda timsollarni aniqlash tizimida turli intensial usullarni qo'llash ijobiy natijalarni beradi.

Zamonaviy intellektual tizimlarning yanada takomillashtirilishi uchun predmet soha obyektlari haqidagi axborotlarni chuqur o'rganishda zamonaviy o'lchov asboblaridan foydalanib, belgilar fazosini shakllantirish, dastlabki ishlov berish, tahlil qilish masalalarini yuqori aniqlikda hal etishni taqozo etadi. O'rganilayotgan obyekt haqidagi axborotlarni intellektual tahlil qilish maqsadida ularni xarakterlovchi belgilarni to'g'ri aniqlash va o'lchash, ularning qiymatlar sohasini aniqlash va shkalalashtirish muammolarining hal etilishi uning real holatini yoritishda muhim omil hisoblanadi.

O'zbekiston Respublikasi Prezidentining 2021-yil 17-fevraldagi PQ-4996-sonli "Sun'iy intellekt texnologiyalarini jadal joriy etish uchun shart-sharoitlar yaratish chora-tadbirlari" to'g'risidagi qaroriga muvofiq, barcha jabhalarda ushbu sohaga juda katta e'tibor berilmoqda. Shu sababli, favqulodda vaziyatlarga oid axborotlarni intellektual tahlil qilish masalasi hozirgi kunning

dolzarb vazifalaridan biri bo'lib qolmoqda. Ma'lumot'arn intellektual tahlil qilishda asosan, baholarni hisoblash algoritmlari, qaror qabul qilish, bashoratlash, nazorat va o'quv tanlamalar, korrelyatsiya-regression tahlil kabi ■ushrnhilardan keng foydalaniladi. Bashoratlash - bu metodologiya butun mantiqi va spetsifikasi bilan maqsadli tematik tadqiqot bo'lib, ham sifat, ham miqdor tahlillarini o'z ichiga oladi hamda unda, ishlab chiqarishning pirovard natijalaridan qat'i nazar, mustaqil ilmiy ahamiyat kasb etadi. Uning ko'rsatkichlar doirasi kelgusidagi ko'rsatkichlar doirasidan jiddiy farq qilishi mumkin. Bashoratlash sohalari juda keng: geografik, geologik, ekologik, iqtisodiy, sotsial, tashqi-siyosiy, yuridik va hokazolar. Korrelyatsiya tahlili (korrelyatsiya -o'zaro nisbat) alohida belgilar (ko'rsatkichlar) o'rtasida munosabatlar (bog'lanish) mavjud bo'lganida qo'llaniladi, ya'ni bir belgini o'rtacha qiymati boshqa ko'rsatkichlarning o'zgarishi bilan o'zgaradi. Korrelyatsiya tahlili ko'rsatkichlarning o'zaro aloqalarini aniqlash va analitik formasini (tenglamasini) ifodalash (tendensiyasini), ko'rsatkichlar o'rtasidagi munosabatlarning zichligini (kuchini) baholash imkonini beradi. Munosabatlar (bog'lanishlar) zichligi korrelyatsiya koeffitsienti yordamida aniqlanadi. Regressiya tahlili esa - statistik ma'lumotlar bo'yicha statistik miqdorlar o'rtasidagi regressiya bog'lanishlarini o'rganish usulidir. Matematik statistikada regressiya deb qandaydir miqdorning o'rtacha ko'rsatkichini boshqa bir ko'rsatkichdan, yoki bir necha ko'rsatkichlardan bog'lanishiga aytiladi.

N2 [4] 2022 Agro Inform

¥ MB1

nB K3BS

iSiil [liii^iili

J- V V r P V, tj; v V t f XI

«'¡¡[Kffssiii

1 I km ft

Ushbu ilmiy maqolada chiziqli regressiya tahlil usuli qo'llanilgan. Bunda avvalo o'quv tanlanmani yaratib olish zarur bo'ladi:

Y = b0 + bxX

1-tenglama. Regressiya to'g'ri chiziq tenglamasi

Tanlanma to'plam, yoki oddiy qilib aytganda tanlanma deb tasodifiy ravishda tanlab olingan obyektlar to'plamiga aytiladi. Bosh to'plam deb,

tanlanma ajratiladigan obyektlar to'plamiga aytiladi. To'plam (bosh yoki tanlanma to'plami) hajmi deb, bu to'plamdagi obyektlar soniga aytiladi. Masalan 500 ta detaldan tekshirish uchun 50 ta detal olingan bo'lsa, u holda bosh to'plam hajmi N=500, tanlanma esa p=50 ga teng.

O'quv tanlanma sifatida hududlarda bo'layotgan yong'in hodisalari misol sifatida olindi va bu jarayonlarning 2025-yilgacha talofatlar sonini bashoratlash dasturi tuzildi. Dastur uchun o'quv tanlanma MS Access ma'lumotlar bazasi (MB) ga joylandi.

Id Hudud do mi Vil Youg'ialar s-oui A

► [ 1! 1 2014 923

2 2 2014 1003

3 3 2014 92B

4 4 2014 440

S j 2014 1099

2014 37B

7 7 2014 929

1-rasm. O'quv tanlanmaning MBdan o'qitilish jarayoni

O'quv tanlanmada chiziqli regressiya funksiyalarini hisoblash oson bo'lishi uchun "Hudud nomi" deb nomlangan maydonda har bir hudud raqamlashtirilgan. 2-rasmda foydalanuvchi uchun hududlarni tanlashda Comboboxdan foydalanilgan:

Agro Inform N2 [4] 2022

88

Удалить Водяной Знак

Wondershare РРРе1етегИ:

2-rasm. Hududlarni tanlash jarayoni

Л^а1о foydalanuvchi biror hududni tanlab olishi zarur va shu orqali tanlanmadan кегакИ та'1итоЙаг 3-rasmda ко'г5аШ§апс1ек, уШаг ке51гтс1а ]оу1а5Ьас11:

2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025

1003 1000 999 В73 361 В&6 В07

3-rasm. Tanlanmadan оНпдап та'1итоЫаг

Chiziqli regressiya uchun avvalo tenglamalardagi qiymatlarni hisoblash lozim. Bunda qiymatni aniqlash uchun kerak bo'lgan jadval quyidagi tenglama yordamida aniqlanadi:

2^впд1ата. Ь1 т hisoblash Agarda Ь ni topish jarayoni dastursiz ЫэоЫапэа, и holda quyidagi jadvalni yaratib olish lozim:

1

1 1 8421 8421 1

2 2 8652 17304 4

3 | 3^ 9658 28974 9

4 4 10122 40488 16

5 5 10258 51290 25

6 6 11564 69384 36

7 7 12382 86674 49

Summa 28 71057 302535 140

1-jadva

I Ь т hisoblash и^ип hisoblangan qiymatlar

Ви jarayonni dasturning o'zi ЫsoЫaydi, buning uchun esa ko'rsatib о'й^ап kerakli tugmalar

bosiladi.

5а1г1аг эдш ХГО

Х(1) г^'Ыш

и^Ёио гтя'гшИз!

ш г^'шИи

Ы:

3 а 1г1а г 5аш Хф уЫ Ыш У(1) ;ч| □ ¿с 5 у¿е' шИи Хф П1а| Ьта<1г111агш1

7 28 245В2 140

4-rasm. Ь1 т hisoblash и^ип квткИ qiymatlarт dastur orqali hisoblash

Ва^а qiymatlar hisoblab bo'lingandan so'ng Ь1 va Ь0 larni hisoblash qoladi. ВИат^Ы, Ь0 п hisoblash uchun bizga 4-rasmdagi qiymatlardan tashqari Ь п^ qiymatlari ham kerak bo'ladi:

N2 [41 2022 Агго ТпГогш

1 _ £"=1 Yi I

71 П

3-tenglama. bn ni hisoblash.

Shu tariqa b1 va b0 larni hisoblab olamiz.

Ы:

-36,21428571

Б1 dl LisoblasL

bO

10S9

BO ni LisoblasL

5-rasm. va bg ni hisoblash

Barcha qiymatlarni hisoblab bo'lgandan so'ng, bashoratlashni boshlash mumkin. Buning uchun dasturdagi "Bashoratlash uchun yilni tanlang" deb yozilgan joydan, 2021 yildan 2025 yilgacha bo'lgan davrdan har bir yilni tanlab "Bashoratlash" tugmasi bosiladi.

Bashoratlash uchuti yilni tauLaug: 2021

_:

Bishoratlzsh

6-rasm. Bashoratlash jarayonini tashkillashtirish

Bashoratlash jarayoni tugagandan so'ng quyidagi qiymatlar hosil bo'ladi:

2014 2015 2016 2017 2015 2019 2020 2021 2022 2023 2024 2025

1003 1000 999 B73 361 856 B07 769 733 696 WO 624

7-rasm. Bashoratlash jarayonini to'la tamomlagandan so'ngi holat

Bashoratlash jarayoni tamomlangandan so'ng, uni diagramma ko'rinishida ko'rish uchun, "Diagrammani ko'rish" tugmasi bosiladi. Natijada quyidagi diagramma hosil bo'ladi:

Yong'inlarsoni

8-rasm. Bashoratlashninggrafik ko'rinishi

Yuqoridagi yozilganlar asosan yong'in xavfsizligiga oid ma'lumotlar bo'lganligi bilan qolgan barcha holatlar uchun ham ishlashi mumkin. Buning uchun o'quv tanlanmadagi kerakli maydon o'rniga o'tkazilsa kifoya.

90

Agro Inform N2 [4] 2022

Regressiya to'g'ri chiziq tenglamasi orqali baholash

Satrlar sohl X(i)

Uatun yig'indisi Y(i)

X(i)4Y(i) ni yig'mdiai

X(i)4X(i) ni yig'indisi

Y{i) yigindi/ii X(i)*Y(i) ning yig'indisi X{i) ning kavadratlarini 6399 24582 140

2014 2015 2016 2017 201« 2019 2020 202 1 2022 2023 2024 1003 1000 999 873 861 856 807 769 733 696 660

2025 624

bl: Б1 ni hisoblash.

-36,21428571.

bO Б0 ni hisoblash

|l059

Andijon riloyati

BasboratLasb ucbun yilni taüLaüg: 2025

Id Hudud no Yong'inlar soni Л

2 2 2014 1003

17 2 2015 1000

33 2 2016 999

49 2 2017 873

65 2 2018 861

80 2 2019 856 ■

► 95 2 2020 807

Bashoratlash

Diagrammada ko'rish

1 000 050 900 350 300 750 700 650

I 1 003 I 1 000 I 005 I S73 I 861 I 85S I E07 I 7S0 I 733 I SOS I 660 I 524

9-rasm. Dasturning ko'rinishi Shubhasiz, intellektual texnologiyalar zamonaviy axborot jamiyati sharoitida xizmatlar sifatini oshirishning yangi usullarini ochib beradi. Shunday qilib, moslashuvchan taqdimot shaxsiylashtirilgan yondashuvni ta'minlaydi, muammolarni hal qilishda yordam beradi va interaktiv aloqani qayta ishlash bilan intellektual qarorlarni tahlil qilish ko'p vaqtni tejash imkonini beradi. Modellarni moslashtirish texnologiyalari boshqaruv va aloqa jihatlarini yaxshilashi mumkin. Biroq, hozirgi vaqtda maxsus dasturlash ko'nikmalari va matematik modellarni yaratmasdan amaliy muammolarni hal qilish uchun mashinani o'rganish usullaridan foydalanishga imkon beradigan qulay va oddiy vositalar yetarli darajada emas.

Ushbu ishning maqsadi ham yong'in xavfsizligi ma'lumotlarini turli usullarda intellektual tahlil qilish hamda amaliy muammolarni hal qilish uchun qulay foydalanish dasturini yaratishdir. Shuningdek, bu dastur yordamida turli yong'in malumotlarini olish, bashoratlash hamda olingan ma'lumotlarni tahlil qilish ham mumkin. Natijada, yong'in xavsizligi ma'lumotlarini tahlil qilish bilan bog'liq keng ko'lamli muammolarni hal qilish uchun dastur ishlab chiqildi. Berilgan dastur bashoratli modellarni qurish muammolarini hal qilish, shuningdek, ma'lumotlardan muhim xususiyatlarni izlash imkonini ham beradi. Bu esa o'z navbatida, turli axborotlarni tezkor tahlil qilishda intellektual tahlil qilish amaliyotini qo'llash naqadar dolzarb vazifa ekanligini ko'rsatadi.

Foydalanilgan adabiyotlar:

1. Kamilov M., Hudayberdiev M.Kh., Khamroev A. The construction of local convex hull on the task of pattern recognition //Procedia Computer Science. -2021. -Vol. 186. (№ 3, Scopus, IF=3).

2. Koraboshev O.Z., Alimkulov N.M. Models and algorithms of intelligent decision support systems for technical processes // European journal of science archives conferences series/ Konferenzreihe der europäischen Zeitschrift für Wissenschaftsarchive. Aachener, Germany 2022. - DOI prefix: 10.5281/ zenodo.5889885.

3. Kamilov M.M., Xudayberdiyev M.X., Xamroyev A.SH. Biologik obyektlarni identifikatsiyalash muammolari tahlili va ularni hal etish yondashuvlari // «Informatika va energetika muammolari» O'zbekiston jurnali. -2018. № 6. (05.00.00; №5).

4. Kamilov M.M., Hudayberdiev M.Kh. Formation of a qualitative description of the training set in solving the recognition problem // ISJ: Theoretical & Applied Science. -2018. -Vol.01(57).

5. Xudayberdiyev M.X., Xamroyev A.X., Mamiyeva D.Z. Obyektlar haqidagi o'quv va nazorat tanlanmalarini shakllantirishda baholarni hisoblash algoritmi//Respublika ilmiy-texnik anjumani: «Axborot va telekommunikatsiya texnologiyalari muammolari». - Toshkent, 2016 yil.

N2 [4] 2022 Agro Inform

91