Порівняльний аналіз статистичних підходів і нейро-нечітких моделей для прогнозування температури зерна

Abstract

Досліджено ефективність статистичних методів (лінійна та поліноміальна регресія, ARIMA, експоненційне згладжування) та нейро-нечітких моделей (Mamdani та ANFIS – що базується на моделі Sugeno) у прогнозуванні температури зерна. Проведено порівняльний аналіз точності прогнозів на основі реальних і симуляційних даних. Оцінено час навчання та прогнозування для кожного підходу, а також визначено їхню обчислювальну складність.The effectiveness of statistical methods (linear and polynomial regression, ARIMA, exponential smoothing) and neurofuzzy models (Mamdani and ANFIS – based on the Sugeno model) in grain temperature forecasting has been investigated.