Досліджено ефективність статистичних та нейро-нечітких методів прогнозування температури зерна у зерносховищах. Розглянуто основні статистичні підходи, зокрема лінійну та поліноміальну регресію, методи ARIMA та експоненційного згладжування, які широко використовуються для аналізу часових рядів. Також проаналізовано можливості нейро-нечітких моделей, таких як ANFIS, що базується на нечіткій моделі Sugeno, та Mamdani. Ці моделі поєднують переваги штучних нейронних мереж та нечіткої логіки, дозволяючи адаптивно враховувати складні нелінійні взаємозв'язки між параметрами.