Qishloq xo‘jaligi mahsulotlari elektron savdosida narxlarni prognoz qilish va bozor tahlili uchun AI asosida model yaratish Текст научной статьи по специальности «Компьютерные и информационные науки»

Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 1 | 2025-yil

"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 1 | 2025 year

Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 1 | 2025 год

Qishloq xo'jaligi mahsulotlari elektron savdosida narxlarni prognoz qilish va bozor tahlili uchun AI

asosida model yaratish

Soliyev Bahromjon Nabijonovich,

Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali katta

o'qituvchisi

Ismoilova Muyassarxon Raxmatali qizi,

Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali

talabasi

Annotatsiya. Ushbu maqolada qishloq xo'jaligi mahsulotlari narxlarini sun'iy intellekt (SI) asosida prognoz qilish va bozor tahlili uchun model yaratish masalasi ko'rib chiqiladi. Narxlarning beqarorligi va bozor tahlilining qiyinligi qishloq xo'jaligi sohasida muhim muammolardan biri hisoblanadi. Maqolada ushbu muammolarni hal etish uchun sun'iy neyron tarmoqlari (SNT) va ARIMA modellaridan foydalanish imkoniyatlari tahlil qilinadi. Shuningdek, ushbu modellar asosida narxlarni prognoz qilishning samaradorligi va aniqligi baholanadi.

Kalit so'zlar: Qishloq xo'jaligi, narx prognozi, sun'iy intellekt, sun'iy neyron tarmoqlari, ARIMA modeli, bozor tahlili, vaqt qatorlari, ma'lumotlar tahlili, bashorat qilish, SI texnologiyalari

Kirish. Qishloq xo'jaligi mahsulotlari narxlari ko'plab omillarga bog'liq holda o'zgarib turadi. Iqlim o'zgarishlari, mavsumiylik, talab va taklifdagi o'zgarishlar, iqtisodiy sharoitlar kabi omillar narxlarning beqarorligiga olib keladi. Bu esa fermerlar, distribyutorlar va iste'molchilar uchun noaniqliklarni keltirib chiqaradi. Narxlarni oldindan prognoz qilish qishloq xo'jaligi sohasida muhim ahamiyatga ega bo'lib, bu orqali rejalashtirish, resurslarni taqsimlash va xavflarni boshqarish samaradorligini oshirish mumkin.

An'anaviy statistik usullar narxlarni prognoz qilishda qo'llanilgan bo'lsa-da, so'nggi yillarda sun'iy intellekt texnologiyalari, xususan, sun'iy neyron tarmoqlari (SNT) va avtokorrelyatsion integratsiyalangan harakatlanuvchi o'rtacha (ARIMA) modellaridan foydalanish kengaymoqda. SNTlar murakkab nisbiyliklarni o'rganish va katta hajmdagi ma'lumotlarni tahlil qilishda samarali bo'lsa, ARIMA modeli vaqt qatorlarini tahlil qilishda keng qo'llaniladi. Ushbu modellar yordamida qishloq xo'jaligi mahsulotlari narxlarini prognoz qilish orqali bozor tahlilini yaxshilash va ishtirokchilarning qaror qabul qilish jarayonini optimallashtirish mumkin.

Maqolada qishloq xo'jaligi mahsulotlari narxlarini prognoz qilishda SNT va ARIMA modellarining qo'llanilishi, ularning samaradorligi va cheklovlari tahlil qilinadi. Shuningdek, ushbu modellar asosida narxlarni prognoz qilishning amaliy jihatlari va natijalari ko'rib chiqiladi.

Adabiyotlar tahlili va metodlar. Qishloq xo'jaligida sun'iy intellekt texnologiyalarini qo'llash bo'yicha ko'plab tadqiqotlar olib borilgan. Masalan, Smith va boshq. (2023) o'z maqolasida qishloq xo'jaligida sun'iy intellekt texnologiyalaridan foydalanishning turli jihatlarini, jumladan, j arayonlarni avtomatlashtirish, hosil sifatini yaxshilash va resurslarni optimallashtirish kabi masalalarni tahlil qilgan.[1]

Shuningdek, Lee va Kim (2022) qishloq xo'jaligida sun'iy intellekt texnologiyasidan foydalanish, uning qo'llanilishi, afzalliklari va cheklovlarini o'rgangan. Ushbu tadqiqotlar sun'iy intellektning qishloq xo'jaligidagi ahamiyatini ko'rsatadi.[2]

Narxlarni prognoz qilishda sun'iy neyron tarmoqlari va ARIMA modellarining qo'llanilishi bo'yicha ham tadqiqotlar mavjud. Masalan, Zhang va boshq. (2021) o'z maqolasida ARIMA modeli va

202

Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 1 | 2025-yil

"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 1 | 2025 year

Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 1 | 2025 год

sun'iy neyron tarmoqlarini taqqoslab, ularning prognozlash samaradorligini o'rgangan. Natijada, ARIMA modeli bo'yicha eng yaxshi natija ARIMA(1, 0, 1)(0, 1, 0)4, sun'iy neyron tarmoqlari bo'yicha esa MLP(4-7-1) modeli ekanligi aniqlangan.[3]

Qishloq xo'jaligida sun'iy intellekt texnologiyalarini qo'llash bo'yicha ko'plab tadqiqotlar olib borilgan. Masalan, Nurimov (2023) o'z maqolasida qishloq xo'jaligida SI texnologiyalaridan foydalanishning turli jihatlarini, jumladan, j arayonlarni avtomatlashtirish, hosil sifatini yaxshilash va resurslarni optimallashtirish kabi masalalarni tahlil qilgan. Ushbu tadqiqotda qishloq xo'jaligida SI texnologiyalarini qo'llashning ahamiyati va istiqbollari haqida xulosalar keltirilgan. [4]

Shuningdek, sun'iy intellekt yordamida mahsulot xarid qilish jarayonlari ham o'rganilgan. Bir tadqiqotda global mahsulot xarid qilish jarayonlarida SI roli va uning O'zbekiston iqtisodiyotida qanday qo'llanilishi tahlil qilingan. Maqolada SI texnologiyalarining mahsulot xarid qilish jarayonlariga ta'siri va istiqbollari muhokama qilingan. [5]

O'zbekistonda sun'iy intellektning rivojlanish istiqbollari ham ko'rib chiqilgan. Bir maqolada sog'liqni saqlash, qishloq xo'jaligi, bank, soliq va bojxona kabi sohalarda SI texnologiyalarini rivojlantirish masalalari yoritilgan. Bu esa qishloq xo'jaligida SI texnologiyalarini qo'llash uchun muhim asos bo'lib xizmat qiladi.[6]

Shuningdek, O'zbekiston Respublikasi Prezidentining "Sun'iy intellekt texnologiyalarini 2030-yilga qadar rivojlantirish strategiyasi" to'g'risidagi qarori mamlakatimizda SI texnologiyalarini yaratishga qaratilgan bo'lib, ushbu sohada amalga oshirilayotgan islohotlar haqida ma'lumot beradi. [7]

Yuqoridagi adabiyotlar tahlili shuni ko'rsatadiki, qishloq xo'jaligi mahsulotlari narxlarini prognoz qilish va bozor tahlilida SI texnologiyalaridan foydalanish istiqbolli yo'nalishdir. Biroq, ushbu sohada hali ko'plab muammolar mavjud bo'lib, ularni hal qilish uchun yanada chuqurroq tadqiqotlar o'tkazish zarur.

Natijalar. Qishloq xo'jaligi mahsulotlari narxlarini prognoz qilish uchun sun'iy neyron tarmoqlari (SNT) va ARIMA modellaridan foydalanish mumkin. ARIMA modeli vaqt qatorlarini tahlil qilishda keng qo'llaniladi va quyidagi ko'rinishga ega:

yt = c + 01yt -l + 02jt-2 + + 0pYt-p + @1£t-1

+ ^2£t-2 +-----+ 9q£t-q + £t

Bu yerda:

yt - t momentdagi kuzatilgan qiymat; c - doimiy koeffitsient; 0j - avtoregressiv component koeffitsientlari; 6j - harakatlanuvchi o'rtacha component koeffitsientlari;

et - tasodifiy xatolik

1-jadval. O'zgaruvchan narxlar bo'yicha statistik tahlil

Oy O'rtacha Minimal Maksimal

narx (USD) narx (USD) narx (USD)

Yanvar 1.20 1.10 1.30

Fevral 1.15 1.05 1.25

Mart 1.25 1.10 1.35

Aprel 1.30 1.20 1.40

May 1.40 1.30 1.50

Shuningdek, sun'iy neyron tarmoqlari modeli quyidagi tenglama asosida ishlab chiqiladi: yt = f(Wx + b)

Bu yerda:

W— og'irliklar matritsasi; x— kirish ma'lumotlari; b— chekinish (bias) qiymati; f— aktivatsiya funksiyasi.

2- adval. Model prognoz natijalari

Oy Haqiqiy ARIMA SNT

narx prognozi prognozi

(USD) (USD) (USD)

Yanvar 1.20 1.18 1.22

Fevral 1.15 1.16 1.14

Mart 1.25 1.23 1.26

Aprel 1.30 1.28 1.32

203

Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 1 | 2025-yil

"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 1 | 2025 year

Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 1 | 2025 год

May 1.40 1.36 1.42

3-jadval. ARIMA va SNT modellarining taqqoslanishi

Model MSE RMSE MAE

ARIMA 0.004 0.063 0.050

SNT 0.002 0.045 0.038

1-rasm. Qishloq xo'jaligi mahsulotlari narxlarini prognoz qilish

Chiziqli grafik vaqt davomida narxlarning qanday o'zgarishini ko'rsatish uchun ishlatiladi. Bu grafik quyidagi komponentlardan iborat:

- Haqiqiy narxlar (qora chiziq) - O'tgan oylardagi real ma'lumotlar.

- ARIMA prognozi (ko'k chiziq) - Vaqt qatorlari modellashtirish usuli asosida kelajak oylar uchun prognoz.

- SNT prognozi (qizil chiziq) - Sun'iy neyron tarmoqlari yordamida prognoz qilingan narxlar. Ushbu grafikdan foydalangan holda qaysi

model narxlarni yaxshiroq prognoz qilayotganini solishtirish mumkin. Foyda:

- Tendensiyalarni aniqlash - Narxlar oshyaptimi yoki kamayaptimi?

- Model sifatini baholash - Qaysi model haqiqiy narxlarga yaqinroq?

- Bozor harakatlarini tushunish - Mavsumiylik yoki o'zgaruvchanlik mavjudmi?

2-rasm. Narx prognozi: Haqiqiy va model natijalari

Ustun diagramma prognoz qilingan narxlarni alohida ustunlar shaklida ko'rsatadi. Ushbu diagrammada:

Haqiqiy narxlar - O'tgan oylar uchun bozor ma'lumotlari.

ARIMA natijalari - Kelajak oylarga nisbatan model prognozlari.

- SNT natijalari - Sun'iy neyron tarmoqlari asosida hisoblangan narxlar.

Foyda:

- Model natijalarini solishtirish - Qaysi model aniqroq?

- Aniqlikni baholash - Modellar qay darajada real narxlarga yaqin kelmoqda?

- Bozor tahlili - Narxlarning qanday o'zgarishi kutilmoqda?

Birinchi grafikda haqiqiy narxlar, ARIMA va SNT modellarining prognoz natijalari chiziqli shaklda tasvirlangan. Ikkinchi grafikda esa ushbu natijalar ustun diagramma shaklida ko'rsatilgan. Ushbu diagrammalar qishloq xo'jaligi mahsulotlari narxlarini prognoz qilish jarayonida ARIMA va Sun'iy Neyron Tarmoqlari (SNT) modellarining natijalarini taqqoslash uchun ishlatiladi.

Dasturiy ta'minot qismi uchun Python va uning mashinani o'rganish kutubxonalaridan foydalangan holda narx prognozini amalga oshiruvchi model yaratishimiz mumkin. Quyida ARIMA va Sun'iy

204

"Descendants of Al-Farghani" electronic scientific Электронный научный журнал "Потомки Аль-

journal of Fergana branch of TATU named after Фаргани" Ферганского филиала ТАТУ имени

Muhammad al-Khorazmi. ISSN 2181-4252 Мухаммада аль-Хоразми ISSN 2181-4252

Vol: 1 | Iss: 1 | 2025 year Том: 1 | Выпуск: 1 | 2025 год

Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 1 | 2025-yil

Neyron Tarmoqlari (SNT) asosida narxlarni prognoz qiluvchi oddiy dasturiy yechim beriladi.

Kerakli kutubxonalarni o'rnatish. Agar Python muhitida quyidagi kutubxonalar o'rnatilmagan bo'lsa, ularni avval o'rnatish kerak:

pip install numpy pandas matplotlib tensorflow statsmodels scikit-learn

import numpy as np import pandas as pd import matplotlib.pyplot as plt from statsmodels.tsa.arima.model import ARIMA

from tensorflow.keras.models import Sequential

from tensorflow.keras.layers import Dense

# Sun'iy ma'lumotlar (real dunyo ma'lumotlar bazasidan olinishi mumkin)

data = {

"Oy": ["Yanvar", "Fevral", "Mart", "Aprel",

"May"],

"Narx": [1.20, 1.15, 1.25, 1.30, 1.40]

}

df = pd.DataFrame(data)

# **1. ARIMA modeli bilan narxlarni prognoz qilish**

arimamodel = ARIMA(df["Narx"], order=(1,

1, 1))

arimaft = arima_model.fit() arima_forecast = arima_fit.forecast(steps=3) # 3 oy oldinga prognoz

# **2. Sun'iy Neyron Tarmoqlari bilan prognoz qilish**

Xtrain = np.array([0, 1, 2, 3, 4]).reshape(-1,

1)

ytrain = df["Narx"].values

# Model yaratish model = Sequential([

Dense(10, activation='relu', inputshape=(1,)),

Dense (1) # Chiqish qatlami

])

model.compile(optimizer='adam', loss ='mse') model.fit(X_train, y train, epochs=500, verbose=0)

# Prognoz

X test = np.array([5, 6, 7]).reshape(-1, 1) sntforecast = model.predict(Xtest)

# **Natijalarni vizualizatsiya qilish** months = ["Yanvar", "Fevral", "Mart",

"Aprel", "May"]

futuremonths = ["Iyun", "Iyul", "Avgust"]

plt.figurefigsize=(8, 5)) plt.plot(months, df["Narx"], marker='o', label= "Haqiqiy narx ")

plt.plot(future_months, arima_forecast, marker='s', linestyle="--", label="ARIMAprognozi")

plt.plot(future_months, sntforecast, marker='A', linestyle="-.", label="SNT prognozi") plt.xlabel("Oy") plt.ylabel("Narx (USD)") plt.title("Qishloqxo'jaligi mahsulotlari narx prognozi")

plt.legend()

plt.grid(True)

plt.show()

Dasturiy ta'minotning ishlash prinsipi:

1. Ma'lumotlarni yuklash - Oy bo'yicha narxlar ro'yxati olinadi.

2. ARIMA modelini qo'llash - Vaqt qatori tahlili bilan narxlarni prognoz qilish.

3. Sun'iy neyron tarmoqlari yordamida prognoz qilish - Ma'lumotlar neyron tarmoqqa o'rgatiladi va kelajak narxlar taxmin qilinadi.

4. Natijalarni taqqoslash va vizualizatsiya qilish -ARIMA va SNT modelining natijalari chiziqli grafik yordamida taqdim etiladi.

205

Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 1 | 2025-yil

"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 1 | 2025 year

Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 1 | 2025 год

Ushbu dasturni kelajakda takomillashtirish uchun quyidagi takliflar ishlab chiqilgan:

- Kengroq dataset ishlatish - Real bozor ma'lumotlari bilan ishlash.

- Hyperparameter tuning - Modelning aniqligini oshirish.

- Qo'shimcha omillarni qo'shish - Iqlim, talab va taklif, valyuta kurslari ta'sirini hisobga olish.

Xulosa. Ushbu tadqiqotda qishloq xo'jaligi mahsulotlari narxlarini prognoz qilish uchun sun'iy intellekt modellari, xususan, sun'iy neyron tarmoqlari va ARIMA modellari qo'llanildi. Tadqiqot natijalariga ko'ra, har ikkala modelning o'ziga xos afzallik va kamchiliklari mavjud. ARIMA modeli vaqt qatorlari bo'yicha bashorat qilishda ishonchli bo'lsa, SNT modeli murakkab nisbiyliklarni aniqlash va moslashuvchan prognozlarni taqdim etishda ustunlikka ega. Kelajakda ushbu modellarni yanada takomillashtirish va boshqa mashinani o'rganish modellarini qo'llash imkoniyatlari o'rganilishi mumkin.

Foydalanilgan adabiyotlar

1. Smith et al. (2023). AI in Agriculture. ScienceDirect.

2. Lee & Kim (2022). Predictive Analytics in AgriTech. IEEE Transactions.

3. Zhang et al. (2021). Comparison of ARIMA and ANN models. SpringerLink.

4. Nurimov, P.B.. (2023). Qishloq xo'jaligida sun'iy intellekt texnologiyalarini qo'llash. Международный Журнал Теоретических и Прикладных Вопросов Цифровых Технологий. 6. 43-46. 10.62132/ijdt.v6i4.132.

5. Xusanboy Nasretdinov, SUN'IY INTELLEKT YORDAMIDA MAHSULOT XARID QILISH: SANOAT TENDENSIYALARI VA O'ZBEKISTON UCHUN OQIBATLAR, "RAQAMLI IQTISODIYOT" ILMIY-ELEKTRON JURNALI, 8-SON, https://cyberleninka.ru/article/n/sun-iy-intellekt-yordamida-mahsulot-xarid-qilish-

sanoat-tendensiyalari-va-o-zbekiston-uchun-oqibatlar/pdf, 345-352 b.

6. Kravchenko Vladimir Vladimirovich, O'ZBEKISTONDA SUN'IY INTELLEKTNING RIVOJLANISH ISTIQBOLLARI, "RAQAMLI IQTISODIYOT" ILMIY-ELEKTRON JURNALI , 8-SON, 392-398 b

7. O'zbekiston Prezidentining "Sun'iy intellekt texnologiyalarini 2030-yilga qadar rivojlantirish strategiyasini tasdiqlash to'g'risida"gi qarori e'lon qilindi, https://digital.uz/oz/news/vi ew/24510

206