Розмір шрифта:
ІНТЕЛЕКТУАЛЬНІ СИСТЕМИ ПРОГНОЗУВАННЯ ТЕМПЕРАТУРИ ЗЕРНА: СТАН ТА ПЕРСПЕКТИВИ РОЗВИТКУ
Остання редакція: 2025-04-25
Анотація
Розглянуто сучасні підходи до прогнозування температури зерна під час зберігання як ключового чинника забезпечення якості агропродукції. Описано обмеження традиційних методів та переваги інтелектуальних систем — нейронних мереж, нечіткої логіки, гібридних моделей. Окреслено перспективні напрями розвитку, зокрема хмарні технології, цифрові двійники, DSS-системи та агроплатформи. Визначено основні переваги впровадження таких рішень.
INTELLIGENT SYSTEMS FOR GRAIN TEMPERATURE FORECASTING: CURRENT STATE AND DEVELOPMENT PROSPECTS
Abstract: The modern approaches to forecasting grain temperature during storage as a key factor in ensuring the quality of agricultural products are discussed. The limitations of traditional methods and the advantages of intelligent systems — neural networks, fuzzy logic, and hybrid models — are described. Prospective development directions are outlined, including cloud technologies, digital twins, DSS systems, and agro-platforms. The main benefits of implementing such solutions are identified.Ключові слова
прогнозування температури зерна; інтелектуальні системи; адаптивні моделі; нечітка логіка; нейронні мережі; grain temperature forecasting; intelligent systems; adaptive models; fuzzy logic; neural networks
Посилання
Q. Wang, M. Hou, Y. Qin and F. Lian, "Temperature Forecasting of Grain in Storage: An Improved Approach Based on Broad Learning Network," in IEEE Access, vol. 12, pp. 115112-115123, 2024.
Zhang, Q.; Zhang, W.; Huang, Q.; Wan, C.; Li, Z. AMSformer: A Transformer for Grain Storage Temperature Prediction Using Adaptive Multi-Scale Feature Fusion. Agriculture 2025, 15, 58.
Cui, H.; Zhang, Q.; Zhang, J.; Wu, Z.; Wu, W. Classification of Grain Storage Inventory Modes Based on Temperature Contour Map of Grain Bulk Using Back Propagation Neural Network. Agriculture 2021, 11, 451.
Повний текст:
PDF