TY-JOURA2-Farias、GonzaloAU-Bhagat、Suraj KumarAU-Tiyasha、TiyashaAU-Al-Khafaji、ZainabAU-Laux、PatrickAU-Ewees、AhmedAU-RashidtarikAU-Salih、SinanAU-Yonaba、RolandAU-Beyaztas、UfukAU-YaseenQQA、ZaherMundherPY-2022DA-2022DA-2022/09/23TI-建立动态神经-Fuzy推理系统模型自然空气温度预测SP-1047309VL-2022AB-空气温度预测这项研究应用并比较三种高级模糊推理模型的结果,即动态神经发波推理系统(DENFIS)、混合神经发波推理系统(HYFIS)和适应神经发波推理系统(ANFIS)预测AT北达科他州(ND)、美国,即鲁滨逊州、Ada州和Hillsboro州的三个站都建模结果表明FIS类型模型非常适合处理高变量数据,如AT数据显示高正相关关系日均露点(DP)、总太阳辐射(TSR)和负相关平均风速(WS)。在Robinson站,DENFIS使用判定系数最优表现 R ²0.96和修改协议索引0.92 R ²0.94md0.89和HyFIS R ²0.90md0.84另2站即Ada站和Hillsboro站也观察到类似结果,DENFIS R ²0.953/0.960 md: 0.903/0.912 R ²0.943/0.942 md: 0.888/0.890 R ²0.908/0905 md: 0.845/0.821可得出结论,所有三种模型都能够高效率预测AT,仅使用DP、TSR和WS输入变量这使得应用这些模型更可靠气象变量需要最少输入变量研究对研究气候学和季节性变异的地区可能很有价值,并允许以最小误差差率和无巨资提供优异预测结果SN-1076-2787UR-https://doi.org/101155/2022/1047309DO-10.1155/2022/1047309JF-复杂度PB-HindawiKW-ER-