CHORVA KOMPLEKSLARIDA CHIQINDI SUVLARINI MONITORING QILISHDA KO'P PARAMETRLI MA'LUMOT OQIMINI BOSHQARISH MASALASI

124 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ CHORVA KOMPLEKSLARIDA CHIQINDI SUVLARINI MONITORING QILISHDA KO‘P PARAMETRLI MA’LUMOT OQIMINI BOSHQARISH MASALASI Samandarov Batirbek Satimovich, PhD, dotsent, Ma’mun universiteti, Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti tadqiqotchisi [email protected], ORCID: 0000-0002-8296-0894 Annotatsiya. Ushbu maqolada chorva komplekslarida chiqindi suvilarni monitoring qilish va tozalash jarayonlarida sensor ma’lumotlari asosida ko‘p parametrli ma’lumot oqimini boshqarish masalasi yoritilgan. Tadqiqotda sensor tarmoqlari orqali suvning asosiy parametrlari to‘planib, matematik modellar yordamida tahlil qilindi. Tozalash jarayoni dinamikasini tavsiflash uchun differentsial tenglamalar, samaradorlikni baholash uchun indikatorlar va optimallashtirish funktsiyasi ishlab chiqildi. Olingan natijalar COD, BOD, ammoniy va antibiotik qoldiqlari bo‘yicha yuqori samaradorlikka erishilganini ko‘rsatdi. Taklif etilgan axborot tizimi arxitekturasi real vaqtda monitoring va boshqaruv imkoniyatini berib, chorva komplekslarida ekologik xavfsizlikni ta’minlashga xizmat qiladi. Kalit so’zlar: chiqindilar suvi, sensor ma’lumotlari, ko‘p parametrli ma’lumot oqimi, optimallashtirish modeli, tozalash samaradorligi, axborot tizimi, chorva kompleksi. 1. KIRISH Chorvachilik komplekslari faoliyatida miqdorda chiqindi suvlari hosil bo‘ladi. Bu suvlar tarkibida organik moddalar, nitrat, ammiak, og‘ir metalllar va antibiotik qoldiqlari mavjud bo‘lib, ular atrof-muhitga salbiy ta’sir ko‘rsatishi mumkin [1,2,3]. Chiqindi suvlarining to‘g‘ridan-to‘g‘ri tabiiy suv manbalariga qo‘shilishi suvning evtrofikatsiyasiga, tuproqning ifloslanishiga va chorva hamda inson salomatligi uchun xavfli patogenlarning tarqalishiga olib kelishi mumkin [4,5]. Chiqindi suvlarining asosiy komponentlari quyidagilarni o‘z ichiga oladi: organik moddalar (COD, BOD) [6]; azot birikmalari (nitrat, ammoniy) [7]; fosfor [8]; og‘ir metalllar (Cd, Cr, Cu, Zn) [9]; va veterinar antibiotik qoldiqlari [10]. Xususan, antibiotik qoldiqlari suv muhitida mikrobiologik barqarorlikni buzib, antibiotikka chidamli bakteriyalarning shakllanishiga olib kelishi mumkin [11,12]. Jahon amaliyotida chorvachilik chiqindilar suvini qayta ishlash va monitoring qilish bo‘yicha turli texnologiyalar ishlab chiqilgan. Masalan, biologik tozalash, membranali bioreaktorlar, fotokataliz kabi texnologiyalar keng qo‘llanmoqda [13,14,15]. O‘zbekistonda ham suv resurslaridan samarali foydalanish va chiqindilar suvini qayta ishlash masalalari ustuvor yo‘nalish sifatida belgilangan [16]. Oxirgi yillarda sensor texnologiyalari va axborot tizimlari asosida suv sifatini real vaqtda monitoring qilish imkoniyatlari paydo bo‘lmoqda [17,18]. IoT texnologiyalari yordamida suvning pH, turbiditet, harorat, nitrat va ammiak kontsentratsiyalari kabi ko‘p parametrli ko‘rsatkichlarni doimiy ravishda kuzatish mumkin [19,20,21,22]. Bu esa katta hajmdagi ma’lumot oqimini shakllantirish va ularni intellektual tahlil qilish zaruratini yuzaga keltirib chiqaradi [23,24,25,26]. Shuningdek, ko‘p parametrli ma’lumot oqimini boshqarishning statistik va intellektual modellari (masalan, Response Surface Methodology – RSM, mashinali o‘qitish algoritmlari) suv tozalash jarayonlarini optimallashtirishda samarali hisoblanadi [27,28]. Ushbu usullar turli parametrlarning o‘zaro ta’sirini hisobga olib, suvni tozalash samaradorligini oshirish imkonini beradi. Shundan kelib chiqqan holda, ushbu tadqiqotda sensor ma’lumotlari asosida chorva komplekslarida chiqindi suvlarini monitoring qilish va tozalash 125 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ jarayonlarida ko‘p parametrli ma’lumot oqimini boshqarish modelini ishlab chiqish masalasi tadqiq qilinadi. 2. METODOLOGIYA Tadqiqot chorva komplekslarida hosil bo‘ladigan chiqindi suvlari monitoringi va tozalash jarayoniga qaratilib, chiqindi suvlarining tarkibi organik moddalar (COD, BOD), azot birikmalari (nitrat, ammoniy), fosfat, og‘ir metalllar va antibiotik qoldiqlarini o‘z ichiga olishi nazarda tutiladi. Bu ko‘rsatkichlar vaqt bo‘yicha o‘zgaruvchan bo‘lib, sensorlar orqali kuzatilishi mumkin. Shuning uchun chiqindi suvlarini boshqarish jarayoni ko‘p parametrli ma’lumot oqimini tahlil qilishga asoslanadi. 2.1. Sensor ma’lumotlari modeli Chiqindi suvlari monitoring jarayonida turli parametrlardan olingan ma’lumot oqimini quyidagicha ifodalaymiz: 𝑋(𝑡)={𝑥1(𝑡),𝑥2(𝑡),…,𝑥𝑛(𝑡)},𝑡 ∈[0,𝑇] (1) bu yerda: − 𝑥𝑖(𝑡) – vaqtning 𝑡 nuqtasidagi 𝑖parametr qiymati (pH, COD, nitrat, ammiak, antibiotik qoldiqlari va h.k.); − 𝑛 – kuzatiladigan parametrlar soni; − 𝑇 – monitoring vaqti oralig‘i. (1)-formula tadqiqotda ko‘p parametrli ma’lumot oqimini matematik tavsiflash uchun asos hisoblanadi. 2.2. Chiqindi suvlarini tozalash jarayoni modeli Chorva komplekslarida chiqindi suvlari turli fizik-kimyoviy va biologik jarayonlar yordamida tozalanadi. Bu jarayonlar organik moddalarning parchalanishi, nitrat va ammiakning biotransformatsiyasi, og‘ir metalllar adsorbtsiyasi hamda antibiotik qoldiqlarining yo‘qolishini o‘z ichiga oladi. Chiqindi suvlari parametrlarining o‘zgarishini vaqt bilan bog‘liq dinamik jarayon sifatida ko‘rib chiqamiz. Uning umumiy ko‘rinishi quyidagi tenglama bilan beriladi: 𝑑𝐶𝑖(𝑡) 𝑑𝑡 =−𝑘𝑖∙𝐶𝑖(𝑡)+𝑓𝑖(𝑈(𝑡)),𝑖 =1,2,…,𝑛 (2) bu yerda: − 𝐶𝑖(𝑡) –𝑖-parametrning vaqt bo‘yicha kontsentratsiyasi; − 𝑘𝑖 – tabiiy yoki texnologik tozalash koeffitsienti; 𝑓𝑖(𝑈(𝑡)) – boshqaruv ta’sirlari funktsiyasi (masalan, aeratsiya, fotokataliz, mexanik fil`tratsiya). (2) orqali turli parametrlar o‘zgarishining dinamikasi kuzatiladi. 2.3. Tozalash samaradorligini baholash Chorva komplekslarida chiqindi suvlarini tozalash jarayoni samaradorligini baholashda har bir sensor parametri bo‘yicha kontsentratsiyaning pasayishi alohida hisobga olinadi. Bu jarayonning maqsadi suv tarkibini sanitariya-ekologik me’yorlarga moslash va uning qayta ishlatilishi imkoniyatini ta’minlashga yo‘naltirilgan. Tozalash jarayoni samaradorligini har bir parametr bo‘yicha quyidagicha hisoblaymiz: 𝜂𝑖=𝐶𝑖0−𝐶𝑖𝑇 𝐶𝑖0×100%,𝑖 = 1,2,…,𝑛 (3) bu yerda: − 𝜂𝑖 – 𝑖-parametr bo‘yicha tozalash samaradorligi (%); − 𝐶𝑖0 – tozalash jarayoni boshlanishidagi kontsentratsiya; − 𝐶𝑖𝑇 – belgilangan vaqt oxiridagi kontsentratsiya. (3) asosida har bir parametrning tozalash darajasi alohida holda baholanadi. 2.4. Optimallashtirish modeli Ushbu modelning asosiy maqsadi suv tozalash jarayonida umumiy samaradorlikni maksimallashtirishga erishishga qaratilgan. Buni quyidagi maqsad funktsiyasi orqali aniqlaymiz: max𝐽 =∑𝑤𝑖∙𝜂𝑖 𝑛 𝑖=1 (4) bu yerda: − 𝐽 – umumiy samaradorlik indeksi; − 𝑤𝑖 – 𝑖-parametr uchun ahamiyat koeffitsienti (masalan, antibiotik qoldiqlari uchun 𝑤𝑖 kattaroq qiymat oladi); 126 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ − 𝜂𝑖 – (3) bo‘yicha hisoblangan samaradorlik; Optimallashtirish masalasi uchun quyidagi chegaraviy shartlarni kiritamiz: 𝐶𝑖𝑇≤𝐶𝑖𝑛𝑜𝑟𝑚,∀𝑖 (5) bu yerda 𝐶𝑖𝑛𝑜𝑟𝑚 – sanitariya va ekologik me’yorlarga ko‘ra ruxsat etilgan chegara qiymati. 3. NATIJALAR Chorva komplekslarida chiqindilar suvi tozalash jarayonini monitoring qilishda asosiy ma’lumot manbai sifatida zamonaviy sensor qurilmalardan foydalanildi. Sensor tarmog‘i orqali suvning asosiy parametrlari – kislotalilik darajasi (pH), organik moddalar tarkibi (COD, BOD), nitrat va ammoniy kontsentratsiyalari, antibiotik qoldiqlari hamda harorat ko‘rsatkichlari uzluksiz ravishda kuzatildi. Ushbu ma’lumotlar real vaqt oralig‘ida holatda markaziy serverga uzatildi va qayta ishlandi. 1-rasm. Real vaqtda chiqindi suvlari monitoringi va qayta ishlash jarayoni Sensorlarni tanlashda ularning aniqligi, o‘lchov diapazoni va ishonchliligi inobatga olindi. 1-jadvalda tadqiqotda qo‘llanilgan asosiy sensorlar, ularning ishlash printsipi va texnik xususiyatlari keltirilgan. 1-jadval. Tadqiqotda qo‘llanilgan sensor qurilmalar Tadqiqot uchun turli sensor qurilmalar asosida chorva kompleksidan chiqindi suvlarining boshlang‘ich ko‘rsatkichlari yig‘ildi. 2-jadval. Chiqindi suvlarining boshlang‘ich parametrlari Jadvaldan ko‘rinib turibdiki, chiqindilar suvining boshlang‘ich holati sanitariya me’yorlaridan ancha yuqori. Tavsiya qilingan modellar asosida modellashtirilgan natijalarga ko‘ra 48 soat mobaynida turli parametrlarning kontsentratsiyasi sezilarli darajada kamaydi. 3-jadval. Tozalashdan keyingi parametrlar (𝐶𝑖𝑇) Parametr Boshlang‘ich (𝐶𝑖0) Tozalashdan keyin (𝐶𝑖𝑇) Samaradorlik 𝜂𝑖,% COD 680 110 83.8 BOD 320 26 91.9 Nitrat 95 40 57.9 Ammoniy 22 0.6 97.3 Antibiotik 2.1 0.04 98.1 pH 8.2 7.4 – 127 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ 3-jadvaldan ko‘rinib turibdiki, COD va BOD normativ me’yorlardan pastga tushgan, antibiotik qoldiqlari esa deyarli yo‘q qilingan. Faqat nitratlar holatida sanitariya me’yoriga to‘liq javob berish uchun qo‘shimcha tozalash talab etiladi. (4) orqali samaradorlik indeksi hisoblanganda nufuz koeffitsietlari antibiotik qoldiqlari 𝑤5=0.3, ammoniy 𝑤4=0.25, COD va BOD 𝑤1=𝑤2= 0.2, nitrat 𝑤3= 0.05 tarzda belgilandi. 𝐽 =∑𝑤𝑖∙𝜂𝑖 𝑛 𝑖=1 = 0.2∙83.8+0.2∙91.9+0.05∙57.9 +0.25∙97.3+0.3∙98.1= 92.6% Shu tariqa, umumiy samaradorlik indeksi 92.6 % ni tashkil etdi. Tozalash samaradorligini yanada chuqurroq tahlil qilish uchun jadvaldagi ma’lumotlar asosida ikki xil vizual grafik tayyorlandi. 2-rasmda har bir parametr bo‘yicha chiqindi suvlari tozalash samaradorligi ko‘rsatilgan. Ko‘rinib turibdiki, COD (83.8%), BOD (91.9%), ammoniy (97.3%) va antibiotik qoldiqlari (98.1%) yuqori samaradorlik bilan yo‘q qilingan. Bu holat texnologiyaning organik moddalar va toksik birikmalarni bartaraf etishda samarali ekanligini ko‘rsatadi. Biroq nitrat (57.9%) bo‘yicha samaradorlik nisbatan past bo‘lib, bu uning tabiatan biologik denitrifikatsiya jarayonida sekin parchalanishi bilan izohlanadi. Shuning uchun amalda qo‘shimcha tozalash (masalan, anaerob jarayonlar yordamida) talab etilishi mumkin. 2-rasm. Chiqindi suvlarini tozalash samaradorligi dinamikasi 3-rasmda 0–48 soat davomida COD, BOD, nitrat, ammoniy va antibiotik qoldiqlarining kontsentratsiya o‘zgarishi tasvirlangan. COD va BOD eksponentsial tarzda pasaygani kuzatildi, ammoniyning tez degradatsiyaga uchrashi 24 soat ichida me’yordan pastga tushishini ko‘rsatdi. Antibiotik qoldiqlari fotokataliz ta’sirida sezilarli kamaydi. Nitrat esa nisbatan sekin pasayib, 48 soat oxirida sanitariya me’yoriga yaqinlashdi. 3-rasm. Chiqindi suvlari parametrlarining vaqt bo‘yicha o‘zgarishi dinamikasi Shu tariqa, vizual tahlil sensor ma’lumotlari va matematik model asosida olingan natijalarni qo‘shimcha tarzda tasdiqlaydi. Bu, o‘z navbatida, chiqindi suvilarni monitoring qilish va tozalash jarayonlarini boshqarishda ko‘p parametrli ma’lumot oqimidan samarali foydalanish imkoniyatlarini asoslaydi. 4. XULOSA Olib borilgan tadqiqot chorva komplekslarida chiqindi suvilarni monitoring qilish va tozalash jarayonlarini samarali boshqarish uchun sensor texnologiyalari va matematik modellarni integratsiya qilishning maqbul yechim ekanligini ko‘rsatdi. Sensor tarmoqlari orqali jamlangan ko‘p parametrli ma’lumot oqimi real vaqtda qayta ishlanib, dinamik modellar yordamida tahlil qilindi va optimallashtirish algoritmlari orqali umumiy samaradorlik indeksi aniqlandi. Natijalar COD, BOD, ammoniy va antibiotik qoldiqlarining yuqori darajada yo‘q qilinganini tasdiqladi, nitrat bo‘yicha esa qo‘shimcha denitrifikatsiya bosqichiga ehtiyoj mavjudligi 128 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ aniqlandi. Taklif etilgan axborot tizimi arxitekturasi monitoring va boshqaruv jarayonlarini real vaqt sharoitda ta’minlab, chorvachilik sohasida ekologik xavfsizlik va suv resurslaridan samarali foydalanish imkoniyatlarini yaratdi. 5. ADABIYOTLAR 1. M. Khmaissa, H. Zouari-Mechichi, G. Sciara, E. Record, and T. Mechichi, “Pollution from livestock farming antibiotics an emerging environmental and human health concern: A review,” J. Hazard. Mater. Adv., vol. 13, p. 100410, Feb. 2024, doi: 10.1016/j.hazadv.2024.100410. 2. A. Checcucci et al., “Exploring the Animal Waste Resistome: The Spread of Antimicrobial Resistance Genes Through the Use of Livestock Manure,” Front. Microbiol., vol. 11, p. 1416, July 2020, doi: 10.3389/fmicb.2020.01416. 3. I. Yaroshenko et al., “Real-Time Water Quality Monitoring with Chemical Sensors,” Sensors, vol. 20, no. 12, p. 3432, June 2020, doi: 10.3390/s20123432. 4. I. Ajtai et al., “Wastewater Impact on Surface Water Quality and Suitability of Water Reuse in Agriculture Using a Comprehensive Methodology Based on PCA and Specific Indices,” Water, vol. 17, no. 13, p. 2011, July 2025, doi: 10.3390/w17132011. 5. J. L. Mawdsley, R. D. Bardgett, R. J. Merry, B. F. Pain, and M. K. Theodorou, “Pathogens in livestock waste, their potential for movement through soil and environmental pollution,” Appl. Soil Ecol., vol. 2, no. 1, pp. 1–15, Mar. 1995, doi: 10.1016/0929-1393(94)00039-A. 6. A. B. Abdullahi, A. R. Siregar, W. Pakiding, and Mahyuddin, “The analysis of BOD (Biological Oxygen Demand) and COD (Chemical Oxygen Demand) contents in the water of around laying chicken farm,” IOP Conf. Ser. Earth Environ. Sci., vol. 788, no. 1, p. 012155, June 2021, doi: 10.1088/1755-1315/788/1/012155. 7. P. Samanta, H. Horn, and F. Saravia, “Impact of Livestock Farming on Nitrogen Pollution and the Corresponding Energy Demand for Zero Liquid Discharge,” Water, vol. 14, no. 8, p. 1278, Apr. 2022, doi: 10.3390/w14081278. 8. R. Altaf et al., “Phosphorus removal and recovery from livestock wastewater by using modified zirconium‑lanthanum magnetite,” J. Water Process Eng., vol. 71, p. 107385, Mar. 2025, doi: 10.1016/j.jwpe.2025.107385. 9. S. Gupta, S. Sireesha, I. Sreedhar, C. M. Patel, and K. L. Anitha, “Latest trends in heavy metal removal from wastewater by biochar based sorbents,” J. Water Process Eng., vol. 38, p. 101561, Dec. 2020, doi: 10.1016/j.jwpe.2020.101561. 10. F. Huang, Y. Hong, C. Mo, P. Huang, X. Liao, and Y. Yang, “Removal of antibiotic resistance genes during livestock wastewater treatment processes: Review and prospects,” Front. Vet. Sci., vol. 9, p. 1054316, Dec. 2022, doi: 10.3389/fvets.2022.1054316. 11. C. Uluseker et al., “A Review on Occurrence and Spread of Antibiotic Resistance in Wastewaters and in Wastewater Treatment Plants: Mechanisms and Perspectives,” Front. Microbiol., vol. 12, p. 717809, Oct. 2021, doi: 10.3389/fmicb.2021.717809. 12. R. Huang et al., “Assessment of veterinary antibiotics from animal manure-amended soil to growing alfalfa, alfalfa silage, and milk,” Ecotoxicol. Environ. Saf., vol. 224, p. 112699, Nov. 2021, doi: 10.1016/j.ecoenv.2021.112699. 13. R. L. Knight, V. W. E. Payne, R. E. Borer, R. A. Clarke, and J. H. Pries, “Constructed wetlands for livestock wastewater management,” Ecol. Eng., vol. 15, no. 1–2, pp. 41–55, June 2000, doi: 10.1016/S0925-8574(99)00034-8. 14. Z. Lin, M. Li, P. Yan, J. Zhang, H. Xie, and H. Wu, “Constructed wetlands for wastewater treatment and reuse: Two decades of experience from China,” Environ. Res., vol. 279, p. 121781, Aug. 2025, doi: 10.1016/j.envres.2025.121781. 15. Y. Park, S. Kim, J. Kim, S. Khan, and C. Han, “UV/TiO2 Photocatalysis as an Efficient Livestock Wastewater Quaternary Treatment for Antibiotics Removal,” Water, vol. 14, no. 6, p. 958, Mar. 2022, doi: 10.3390/w14060958. 16. “ПФ-6024-сон 10.07.2020. Ўзбекистон Республикаси сув хўжалигини ривожлантиришнинг 2020–2030 йилларга мўлжалланган концепциясини тасдиқлаш тўғрисида.” Accessed: Sept. 26, 2025. [Online]. Available: https://lex.uz/uz/docs/4892953 17. E. T. De Camargo et al., “Low-Cost Water Quality Sensors for IoT: A Systematic Review,” Sensors, vol. 23, no. 9, p. 4424, Apr. 2023, doi: 10.3390/s23094424. 18. A. U. Alam, D. Clyne, and M. J. Deen, “A Low-Cost Multi-Parameter Water Quality Monitoring System,” Sensors, vol. 21, no. 11, p. 3775, May 2021, doi: 10.3390/s21113775. 129 “Al-Farg‘oniy avlodlari” elektron ilmiy jurnali ISSN 2181-4252. Tom: 1 | Son: 3 | 2025-yil "Descendants of Al-Farghani" electronic scientific journal. ISSN 2181-4252. Vol: 1 | Iss: 3 | 2025 year Электронный научный журнал "Потомки АльФаргани" ISSN 2181-4252. Том: 1 | Выпуск: 3 | 2025 год https://al-fargoniy.uz/ 19. P. Rekha, K. Sumathi, S. Samyuktha, A. Saranya, G. Tharunya, and R. Prabha, “Sensor Based Waste Water Monitoring for Agriculture Using IoT,” in 2020 6th International Conference on Advanced Computing and Communication Systems (ICACCS), Coimbatore, India: IEEE, Mar. 2020, pp. 436–439. doi: 10.1109/ICACCS48705.2020.9074292. 20. J. Ophir Isaac, “IOT - LIVESTOCK MONITORING AND MANAGEMENT SYSTEM,” Int. J. Eng. Appl. Sci. Technol., vol. 5, no. 9, Jan. 2021, doi: 10.33564/IJEAST.2021.v05i09.042. 21. F. M. Tangorra, E. Buoio, A. Calcante, A. Bassi, and A. Costa, “Internet of Things (IoT): Sensors Application in Dairy Cattle Farming,” Animals, vol. 14, no. 21, p. 3071, Oct. 2024, doi: 10.3390/ani14213071. 22. Axram Nishanov, Batirbek Samandarov, Dawranbek Joldasbaev, and Go’zal Gulmirzaeva, “IoT QURILMALARDA MA’LUMOT UZATISH JARAYONLARINI ADAPTIV BOSHQARISH ALGORITMI,” Mar. 2025, doi: 10.5281/ZENODO.15071148. 23. P. Wongburi and J. K. Park, “Big Data Analytics from a Wastewater Treatment Plant,” Sustainability, vol. 13, no. 22, p. 12383, Nov. 2021, doi: 10.3390/su132212383. 24. B. Samandarov and B. Geldibayev, “Development of a database of the livestock complex monitoring system using RFID devices,” presented at the INTERNATIONAL SCIENTIFIC AND PRACTICAL CONFERENCE ON ACTUAL PROBLEMS OF MATHEMATICAL MODELING AND INFORMATION TECHNOLOGY, Nukus, Uzbekistan, 2024, p. 040003. doi: 10.1063/5.0210270. 25. D. Velásquez et al., “EDAR 4.0: Machine Learning and Visual Analytics for Wastewater Management,” Sustainability, vol. 16, no. 9, p. 3578, Apr. 2024, doi: 10.3390/su16093578. 26. G. B. Y. Samandarov Batirbek Satimovich1, “CHORVA KOMPLEKSLARIDA MA’LUMOTLAR OQIMIGA ISHLOV BERISHNING ARXITEKTURAVIY TEXNOLOGIYALARI TAHLILI,” Apr. 2023, doi: 10.5281/ZENODO.7856464. 27. H. Lin et al., “Designing a novel Ti3C2 MXene-bridged Z-scheme photocatalyst for effective H2 generation and removal of non-biodegradable norfloxacin: Optimization and mechanism insights,” J. Alloys Compd., vol. 1031, p. 181029, June 2025, doi: 10.1016/j.jallcom.2025.181029. 28. M. Bashir, S. Abu Amr, S. Q. Aziz, C. Ng, and S. Sethupathi, “Wastewater Treatment Processes Optimization Using Response Surface Methodology (RSM) Compared with Conventional Methods: Review and Comparative Study,” Middle East J. Sci. Res., vol. 23, pp. 244–252, Feb. 2015.