Nasos stansiyasi texnologik parametrlarini imitatsion modellashtirish yordamida optimallashtirish

Temirov Botir

Диссертация · 2025

Nasos stansiyasi texnologik parametrlarini imitatsion modellashtirish yordamida optimallashtirish

Редактировать паспорт — nationaldri.uz

20.3001/diss/d2025/64968114Узбекский

Паспорт

Зеркало паспорта из реестра nationaldri.uz. Редактирование возможно только на nationaldri.uz.

Авторы

Temirov Botirпрофиль не привязан
Андижанский машиностроительный институт

Аннотация

Ushbu maqolada «Nasos stansiyasi texnologik parametrlarini imitatsion modellashtirish yordamida optimallashtirish» mavzusi tahlil qilingan. Tadqiqotda statistik tahlil va modellashtirish usullaridan foydalanilgan. Natijalar nasos stansiyasi samaradorligini oshirishga xizmat qiladi.

Ключевые слова

Библиографические данные

DRI: 20.3001/diss/d2025/64968114
Тип работы: Диссертация
Дата публикации: 19 апреля 2025
Язык: Узбекский
Зеркало паспорта: синхронизировано 21.09.2026, 16:50, версия 1

Показатели

Цитирования

Без самоцитирований: 1

Без самоцитирования

Просмотры

Скачивания

Статистика по источникам

Повторы (24 часа) и боты отфильтрованы.

Статистика по источникам
Источник	Просмотры	Скачивания
Страница журналаjournal.milliykengash.com	0	0
Сборник конференцииconference.milliykengash.com	0	0
Резолвер DRIпереходы через nationaldri.uz	1	—
Всего	1	0

Ссылки

Открыть на nationaldri.uz (откроется в новой вкладке)
Полный паспорт (nationaldri.uz) (откроется в новой вкладке)
Редактировать паспорт — nationaldri.uz (откроется в новой вкладке)
Чтобы исправить ошибку в паспорте, издавший журнал или автор используют кабинет nationaldri.uz.

Использование по месяцам

Просмотры и скачивания за последние 24 месяца (все источники).

«Nasos stansiyasi texnologik parametrlarini imitatsion modellashtirish yordami…»: просмотры и скачивания по месяцам
month	Просмотры	Скачивания
сент. 2026	1	0

Список литературы

Источники, на которые ссылается работа, и их сопоставление с работами реестра.

Всего записей: 21сопоставлено: 9на модерации: 3внешних источников: 9

1.
Wang L., Chen Y., Anderson R. (2024). Language learning motivation in higher education. Agricultural Water Management, 118, 788–982. DOI: 10.1016/j.agwat.2024.328341
Внешний источник
2.
Saidov O.R. Issiqlik almashtirgich harorat rejimini genetik algoritm yordamida optimallashtirish // «Tilshunoslik va adabiyotshunoslikning dolzarb masalalari» mavzusidagi respublika ilmiy-amaliy konferensiya materiallari. – Toshkent, 2021. – B. 60–62.
СопоставленоНечёткое совпадение, S = 1,00→ Issiqlik almashtirgich harorat rejimini genetik algoritm yordamida optimallashtirish
3.
Silva R., Martin C., Kumar V. (2006). Machine learning methods for credit scoring. Computers & Education, 120, 759–902.
Внешний источник
4.
Volkov A.N. G'altakli konveyer uchun nanomateriallar asosida yangi konstruksiya ishlab chiqish. – Toshkent: O‘qituvchi, 2014. – 292 b.
Внешний источник
5.
Волков А.Н. Оптимизация температурного режима асинхронного двигателя методом математического моделирования // Педагогика. – 2016. – № 7. – С. 34–135.
На модерации
6.
Islomova O'.Z. Issiqlik almashtirgich harorat rejimini matematik modellashtirish yordamida optimallashtirish. – Toshkent: Adabiyot uchqunlari, 2021. – 240 b.
На модерации
7.
Кузнецова Е.А. Оптимизация температурного режима насосной станции методом математического моделирования // Физика твёрдого тела. – 1990. – № 11. – С. 61–132.
Внешний источник
8.
Nguyen T., Martin C. (2022). Thin film solar cells: materials and performance. Journal of Chemical Education, 63, 568–986.
Внешний источник
9.
Johnson M., Silva R., Novak P. (2025). Deep residual learning for image recognition: evidence from panel data. World Development, 48, 538–930.
Внешний источник
10.
Mo'minova, M. H., & Volkov, A. N. (2023). Оптимизация температурного режима насосной станции методом математического моделирования (на примере Хорезма). TDTU ilmiy-uslubiy jurnali, 15(3), 18–28. https://nationaldri.uz/20.1006/tdtuilm/2023/v15_i3/43408656
СопоставленоТочно по DRI
11.
Sidorov V.P. Quyosh kollektori tebranish xarakteristikalarini sonli usullar yordamida optimallashtirish // Til va adabiyot ta'limi. – 2017. – №12. – B. 34–69.
Внешний источник
12.
To'xtayeva N.B. Kompressor qurilmasi texnologik parametrlarini neyron tarmoqlar yordamida optimallashtirish // TDTU: fan, ta'lim va innovatsiya. – 2023. – №1. – B. 6–18.
СопоставленоНечёткое совпадение, S = 1,00
13.
Shukurova R.N., Durdiyev J.A., Nurmatov Y.U., va boshq. Optimization of solar collectors using numerical methods // TDTU: fan, ta'lim va innovatsiya. – 2018. – B. 19–28. URL: https://nationaldri.uz/20.1006/41662859
СопоставленоТочно по DRI
14.
Abdurahmonov A.G'. Polimer kompozitlarning korroziyaga chidamliligiga reaksiya vaqti ta'siri // Kimyo va kimyoviy texnologiya. – 2017. – №4. – B. 6–9.
СопоставленоНечёткое совпадение, S = 1,00
15.
Berdiyeva H.M., Shukurova N.M. Mikroorganizmlarining genetik xilma-xilligi (Farg'ona viloyati misolida) 80 // «Energiya tejamkorligi va qayta tiklanuvchi manbalar» mavzusidagi respublika ilmiy-amaliy konferensiya materiallari. – Toshkent, 2022. – B. 137–140.
СопоставленоНечёткое совпадение, S = 1,00
16.
Петрова А.С. Оптимизация режимов работы солнечного коллектора методом математического моделирования. – М.: Наука, 2012. – 150 с.
На модерации
17.
Qurbonova, D. F. (2012). Tishli uzatma mustahkamlik ko'rsatkichlarini neyron tarmoqlar yordamida optimallashtirish. TDTU: fan, ta'lim va innovatsiya, 2(1), 25–35.
СопоставленоНечёткое совпадение, S = 1,00
18.
O'zbekiston Respublikasining «Ta'lim to'g'risida»gi Qonuni. – Toshkent, 2020.
Внешний источник
19.
Garcia L., Müller K. (2022). Clinical outcomes of metformin therapy in type 2 diabetes: evidence from panel data. World Development, 144, 774–914. DOI: 10.1016/j.worlddev.2022.351560
Внешний источник
20.
Mo'minova, Z. V., Hasanov, O. A., & Haydarov, P. Z. (2023). Nasos stansiyasi ishonchliligini sonli usullar bilan baholash. TDTU: fan, ta'lim va innovatsiya, 13(1), 1–5.
СопоставленоНечёткое совпадение, S = 1,00
21.
Jabborov, S. N., & Haydarov, B. J. (2017). Kompressor qurilmasi uchun mahalliy xomashyo sosida yangi konstruksiya ishlab chiqish. Texnika yulduzlari, 5–16. – DRI 20.1006/ty/2017/i11/15006499
СопоставленоТочно по DRI

Цитирующие работы

Работы реестра, ссылающиеся на эту работу, сначала новые.

Авторы:
DRI20.3001/diss/d2025/29611569 Открыть на nationaldri.uzДиссертация4просм.0скач.
Год2025
Цитирования0

[1] 1.
Wang L., Chen Y., Anderson R. (2024). Language learning motivation in higher education. Agricultural Water Management, 118, 788–982. DOI: 10.1016/j.agwat.2024.328341
Внешний источник

[2] 2.
Saidov O.R. Issiqlik almashtirgich harorat rejimini genetik algoritm yordamida optimallashtirish // «Tilshunoslik va adabiyotshunoslikning dolzarb masalalari» mavzusidagi respublika ilmiy-amaliy konferensiya materiallari. – Toshkent, 2021. – B. 60–62.
СопоставленоНечёткое совпадение, S = 1,00→ Issiqlik almashtirgich harorat rejimini genetik algoritm yordamida optimallashtirish

[3] 3.
Silva R., Martin C., Kumar V. (2006). Machine learning methods for credit scoring. Computers & Education, 120, 759–902.
Внешний источник

[4] 4.
Volkov A.N. G'altakli konveyer uchun nanomateriallar asosida yangi konstruksiya ishlab chiqish. – Toshkent: O‘qituvchi, 2014. – 292 b.
Внешний источник

[5] 5.
Волков А.Н. Оптимизация температурного режима асинхронного двигателя методом математического моделирования // Педагогика. – 2016. – № 7. – С. 34–135.
На модерации

[6] 6.
Islomova O'.Z. Issiqlik almashtirgich harorat rejimini matematik modellashtirish yordamida optimallashtirish. – Toshkent: Adabiyot uchqunlari, 2021. – 240 b.
На модерации

[7] 7.
Кузнецова Е.А. Оптимизация температурного режима насосной станции методом математического моделирования // Физика твёрдого тела. – 1990. – № 11. – С. 61–132.
Внешний источник

[8] 8.
Nguyen T., Martin C. (2022). Thin film solar cells: materials and performance. Journal of Chemical Education, 63, 568–986.
Внешний источник

[9] 9.
Johnson M., Silva R., Novak P. (2025). Deep residual learning for image recognition: evidence from panel data. World Development, 48, 538–930.
Внешний источник

[10] 10.
Mo'minova, M. H., & Volkov, A. N. (2023). Оптимизация температурного режима насосной станции методом математического моделирования (на примере Хорезма). TDTU ilmiy-uslubiy jurnali, 15(3), 18–28. https://nationaldri.uz/20.1006/tdtuilm/2023/v15_i3/43408656
СопоставленоТочно по DRI

[11] 11.
Sidorov V.P. Quyosh kollektori tebranish xarakteristikalarini sonli usullar yordamida optimallashtirish // Til va adabiyot ta'limi. – 2017. – №12. – B. 34–69.
Внешний источник

[12] 12.
To'xtayeva N.B. Kompressor qurilmasi texnologik parametrlarini neyron tarmoqlar yordamida optimallashtirish // TDTU: fan, ta'lim va innovatsiya. – 2023. – №1. – B. 6–18.
СопоставленоНечёткое совпадение, S = 1,00

[13] 13.
Shukurova R.N., Durdiyev J.A., Nurmatov Y.U., va boshq. Optimization of solar collectors using numerical methods // TDTU: fan, ta'lim va innovatsiya. – 2018. – B. 19–28. URL: https://nationaldri.uz/20.1006/41662859
СопоставленоТочно по DRI

[14] 14.
Abdurahmonov A.G'. Polimer kompozitlarning korroziyaga chidamliligiga reaksiya vaqti ta'siri // Kimyo va kimyoviy texnologiya. – 2017. – №4. – B. 6–9.
СопоставленоНечёткое совпадение, S = 1,00

[15] 15.
Berdiyeva H.M., Shukurova N.M. Mikroorganizmlarining genetik xilma-xilligi (Farg'ona viloyati misolida) 80 // «Energiya tejamkorligi va qayta tiklanuvchi manbalar» mavzusidagi respublika ilmiy-amaliy konferensiya materiallari. – Toshkent, 2022. – B. 137–140.
СопоставленоНечёткое совпадение, S = 1,00

[16] 16.
Петрова А.С. Оптимизация режимов работы солнечного коллектора методом математического моделирования. – М.: Наука, 2012. – 150 с.
На модерации

[17] 17.
Qurbonova, D. F. (2012). Tishli uzatma mustahkamlik ko'rsatkichlarini neyron tarmoqlar yordamida optimallashtirish. TDTU: fan, ta'lim va innovatsiya, 2(1), 25–35.
СопоставленоНечёткое совпадение, S = 1,00

[18] 18.
O'zbekiston Respublikasining «Ta'lim to'g'risida»gi Qonuni. – Toshkent, 2020.
Внешний источник

[19] 19.
Garcia L., Müller K. (2022). Clinical outcomes of metformin therapy in type 2 diabetes: evidence from panel data. World Development, 144, 774–914. DOI: 10.1016/j.worlddev.2022.351560
Внешний источник

[20] 20.
Mo'minova, Z. V., Hasanov, O. A., & Haydarov, P. Z. (2023). Nasos stansiyasi ishonchliligini sonli usullar bilan baholash. TDTU: fan, ta'lim va innovatsiya, 13(1), 1–5.
СопоставленоНечёткое совпадение, S = 1,00

[21] 21.
Jabborov, S. N., & Haydarov, B. J. (2017). Kompressor qurilmasi uchun mahalliy xomashyo sosida yangi konstruksiya ishlab chiqish. Texnika yulduzlari, 5–16. – DRI 20.1006/ty/2017/i11/15006499
СопоставленоТочно по DRI