The object of research, development or design (in Russian) : Объектом исследования является система водоснабжения и ирригации в аграрных ландшафтах, включая параметры климата, почвы и растительных культур, влияющие на потребление воды в условиях аридных регионов Казахстана.

The object of research, development or design (in Kazakh) : Зерттеу нысаны ретінде Қазақстанның құрғақ аймақтарында ауылшаруашылық дақылдарын суару мен сумен қамтамасыз ету жүйелері, сондай-ақ климаттық, топырақтық және өсімдіктік параметрлер алынады, олар су тұтынуға әсер етеді.

Aim of work (in Russian) : Цель проекта - разработка и внедрение интеллектуальной системы на основе искусственного интеллекта для точного прогнозирования водных потребностей сельскохозяйственных культур в условиях изменения климата, что позволит оптимизировать использование водных ресурсов и повысить урожайность в аридных регионах Казахстана.

Aim of work (in Kazakh) : Жобаның мақсаты-климаттың өзгеруі жағдайында ауыл шаруашылығы дақылдарының су қажеттіліктерін дәл болжау үшін жасанды интеллект негізінде зияткерлік жүйені әзірлеу және енгізу, бұл су ресурстарын пайдалануды оңтайландыруға және Қазақстанның құрғақ өңірлерінде өнімділікті арттыруға мүмкіндік береді.

Методы исследования (на русском) : В рамках проекта применяются современные методы искусственного интеллекта и анализа данных, направленные на прогнозирование водных потребностей сельскохозяйственных культур в условиях изменения климата. Основными методами являются: машинное обучение (включая нейронные сети, регрессионные модели и градиентный бустинг), сбор и обработка данных с метеостанций, дронов, спутников и почвенных сенсоров, а также методы дистанционного зондирования и геоинформационные технологии (ГИС). Проводится предварительная обработка данных (нормализация, фильтрация шумов, заполнение пропусков) и статистический анализ (корреляционный и факторный), позволяющий выявить взаимосвязи между климатическими и почвенными параметрами и водными потребностями культур. Для оценки эффективности моделей используются метрики точности (Mean Squared Error — MSE и коэффициент детерминации — R²), а также проводится кросс-валидация для подтверждения устойчивости результатов. Все модели проходят валидацию в лабораторных условиях и тестирование в полевых условиях на опытных участках. Экспериментальные методы включают прямое сравнение прогнозируемых и фактических данных потребления воды, а также расчет экономической эффективности внедрения разработанной системы. Применение указанных методов обеспечивает комплексный научный подход и высокую достоверность полученных результатов.

Методы исследования (на казахском) : Жоба аясында климаттың өзгеруі жағдайында ауылшаруашылық дақылдарының су қажеттілігін болжауға бағытталған заманауи жасанды интеллект және деректерді талдау әдістері қолданылады. Негізгі әдістерге машиналық оқыту (нейрондық желілер, регрессиялық модельдер, градиенттік бустинг), метеостанциялардан, дрондардан, спутниктерден және топырақ сенсорларынан алынған деректерді жинау және өңдеу, сондай-ақ қашықтықтан зондтау және геоақпараттық жүйелер (ГАЖ) технологиялары жатады. Деректер алдын ала өңдеуден өтеді (нормализация, шуды сүзу, бос мәндерді толтыру), ал статистикалық талдау (корреляциялық және факторлық) климаттық және топырақ параметрлері мен дақылдардың су қажеттілігі арасындағы өзара байланысты анықтауға көмектеседі. Модельдердің дәлдігін бағалау үшін MSE (орташа квадраттық қате) және R² (детерминация коэффициенті) сияқты метрикалар қолданылады, ал нәтижелердің тұрақтылығын растау үшін кросс-валидация әдісі жүзеге асырылады. Барлық модельдер зертханалық жағдайда валидатциядан өтіп, кейін далалық жағдайда сынақтан өткізіледі. Эксперименттік әдістер болжау нәтижелерін нақты су тұтыну деректерімен салыстыруды және жасалған жүйені енгізудің экономикалық тиімділігін бағалауды қамтиды. Қолданылатын әдістер кешенді ғылыми тәсілді қамтамасыз етеді және алынған нәтижелердің жоғары сенімділігіне кепілдік береді.

Obtained results and novelty (in Russian) : Сформирована интегрированная база данных, включающая метеорологические, почвенные и агрономические параметры с полевых участков в аридных регионах Казахстана. Проведен анализ климатических и исторических агроданных, выявлены ключевые корреляции между почвенно-климатическими условиями и водными потребностями сельскохозяйственных культур. Выполнена предобработка данных: нормализация, устранение пропусков, фильтрация выбросов. Разработан набор признаков для обучения моделей машинного обучения. Новизна проекта заключается в создании научной базы для построения адаптивных ИИ-моделей, способных учитывать климатические изменения в реальном времени для прогнозирования водопотребления сельскохозяйственных культур.

Obtained results and novelty (in Kazakh) : Қазақстанның құрғақ аймақтарындағы далалық учаскелерден алынған метеорологиялық, топырақтық және агрономиялық көрсеткіштерді біріктіретін интеграциялық деректер базасы құрылды. Климаттық және тарихи агрономиялық деректерге талдау жүргізіліп, ауылшаруашылық дақылдарының су қажеттілігі мен топырақ-климаттық жағдайлар арасындағы негізгі корреляциялар анықталды. Деректер алдын ала өңдеуден өтті: нормализация, бос мәндерді толықтыру, аномалияларды сүзу. Машиналық оқыту модельдерін оқытуға арналған белгілер жиынтығы әзірленді. Жобаның жаңалығы – климаттың өзгеруін нақты уақытта ескеруге қабілетті бейімделетін ЖИ-модельдерін құруға арналған ғылыми негіздің қалыптасуында.

The main constructive and technical economic indicators (in Russian) : Разрабатывается интеллектуальная система прогнозирования водных потребностей сельскохозяйственных культур на основе ИИ. Система включает алгоритмы машинного обучения, модуль интеграции с системами управления поливом и пользовательский интерфейс. Ожидаемая точность моделей: MSE < 0.1, R² > 0.9. Экономический эффект: снижение водопотребления на 15–20%, рост урожайности на 10–15%. Система масштабируема, адаптируется под разные климатические зоны и интегрируется в «умное» сельское хозяйство.

The main constructive and technical economic indicators (in Kazakh) : Жоба аясында ауылшаруашылық дақылдарының су қажеттілігін болжауға арналған жасанды интеллект негізіндегі интеллектуалды жүйе әзірленуде. Жүйе машиналық оқыту алгоритмдерін, суару жүйесін басқару модулін және пайдаланушы интерфейсін қамтиды. Модельдердің күтілетін дәлдігі: MSE < 0.1, R² > 0.9. Экономикалық тиімділігі: су шығынын 15–20%-ға дейін азайту, өнімділікті 10–15%-ға арттыру. Жүйе әртүрлі климаттық аймақтарға бейімделеді және "ақылды" ауыл шаруашылығы платформаларына интеграциялануы мүмкін.

Level of implementation (in Russian) : Разрабатываемая система прогнозирования водных потребностей сельскохозяйственных культур будет внедрена на опытных участках в различных климатических зонах Казахстана. Планируется интеграция модели в автоматизированные системы управления ирригацией с реальным тестированием на 5–7 агрообъектах. По результатам полевых испытаний будут подготовлены рекомендации для масштабного внедрения в фермерских хозяйствах и агрохолдингах. Система ориентирована на практическое использование и может быть коммерциализирована в виде программного обеспечения или облачного сервиса. Предусматривается возможность интеграции в платформы «умного» сельского хозяйства и адаптации под различные агроклиматические условия.

Level of implementation (in Kazakh) : Ауылшаруашылық дақылдарының су қажеттілігін болжауға арналған жасанды интеллект жүйесі Қазақстанның әртүрлі климаттық аймақтарындағы 5–7 тәжірибелік агроучаскеде сынақтан өткізіледі. Жүйе автоматтандырылған суару басқару жүйелеріне интеграцияланып, нақты уақыт режимінде тестіленеді. Полевой сынақтар нәтижесінде фермерлік шаруашылықтар мен агроөнеркәсіптік кәсіпорындарда кеңінен қолдануға арналған әдістемелік ұсынымдар дайындалады. Жүйе бағдарламалық қамтамасыз ету немесе бұлтты сервис ретінде коммерциялануы мүмкін. Сонымен қатар, ол «ақылды» ауыл шаруашылығы платформаларына бейімделіп, әртүрлі агроклиматтық жағдайларға икемделе алады.

Efficiency (in Russian) : Реализация проекта обеспечит повышение эффективности использования водных ресурсов в сельском хозяйстве за счёт точного прогнозирования водных потребностей сельскохозяйственных культур. Ожидается сокращение водопотребления на 15–20%, что особенно важно для аридных регионов Казахстана. Оптимизация ирригации приведёт к увеличению урожайности на 10–15% и снижению затрат на водоснабжение. Внедрение системы позволит сократить потери воды, предотвратить деградацию почв и повысить устойчивость агропроизводства к климатическим изменениям. Проект способствует развитию отечественных технологий ИИ и может быть масштабирован для применения в других секторах агропромышленного комплекса.

Efficiency (in Kazakh) : Жобаны іске асыру ауыл шаруашылығында су ресурстарын пайдалану тиімділігін арттыруға мүмкіндік береді, себебі жүйе дақылдардың су қажеттілігін дәл болжауға негізделген. Су тұтыну көлемін 15–20%-ға дейін қысқарту күтіледі, бұл әсіресе Қазақстанның құрғақ аймақтары үшін өзекті. Суармалы суды оңтайландыру өнімділікті 10–15%-ға арттырып, суға жұмсалатын шығындарды азайтады. Жүйені енгізу судың ысырабын азайтып, топырақтың тозуының алдын алуға және агроөндірістің климаттың өзгеруіне бейімділігін арттыруға септігін тигізеді. Жоба жасанды интеллект саласындағы отандық технологиялардың дамуына жол ашып, агроөнеркәсіптік кешеннің басқа салаларында да қолдануға болады.

Field of application (in Russian) : Разрабатываемая система прогнозирования водных потребностей сельскохозяйственных культур на основе искусственного интеллекта предназначена для применения в аграрном секторе. Основными областями использования являются фермерские хозяйства, агрохолдинги, ирригационные компании, научно-исследовательские и проектные организации, занимающиеся управлением водными ресурсами и сельскохозяйственным производством. Система может быть интегрирована в существующие платформы «умного» земледелия, использована при планировании поливов в засушливых регионах, а также адаптирована для мониторинга состояния почв и посевов. Применима в экологическом управлении, агроэкспертизе и образовательных целях.

Field of application (in Kazakh) : Жасанды интеллект негізінде әзірленген ауылшаруашылық дақылдарының су қажеттілігін болжау жүйесі аграрлық секторда қолдануға арналған. Негізгі қолдану салаларына фермерлік шаруашылықтар, агрохолдингтер, ирригациялық компаниялар, су ресурстарын басқарумен және ауыл шаруашылығы өндірісімен айналысатын ғылыми-зерттеу және жобалау ұйымдары жатады. Жүйе «ақылды» егіншілік платформаларына интеграцияланып, құрғақ аймақтардағы суармалау жұмыстарын жоспарлау кезінде пайдаланылуы мүмкін.Топырақ пен егістіктердің жай-күйін бақылауда, агроэкологиялық сараптама мен білім беру мақсаттарында да қолдануға болады.