Досліджено моделі множинної лінійної регресії, LSTM, Compact ANFIS та гібридні архітектури LSTM-ANFIS для короткострокового прогнозування температури зерна на горизонтах 1, 3 і 6 годин уперед. Дослідження виконано на багатосерійному часовому датасеті, що охоплює дві зернові культури, чотири засіки, 24 підвіски та 72 температурні датчики. Вхідні дані містили погодинні вимірювання температури зерна, зовнішні метеорологічні параметри, характеристики розташування датчиків та додаткові інженерні ознаки. У процесі попередньої обробки даних сформовано лагові, статистичні, циклічні, просторові та режимні ознаки, а також цільові змінні для кожного горизонту прогнозування. Для уникнення витоку інформації розділення даних на навчальну, валідаційну та тестову вибірки виконувалося за часовим принципом. Отримані результати підтверджують, що для короткострокового прогнозування температури зерна достатньо ефективними можуть бути табличні моделі з якісно сформованими лаговими, статистичними та інженерними ознаками. Водночас зі збільшенням горизонту прогнозування зростає доцільність використання гібридних архітектур, які поєднують здатність LSTM враховувати часову динаміку з можливістю Compact ANFIS виконувати нелінійне уточнення прогнозу на основі фізично змістовних і просторово-режимних характеристик.