DP- 2017年2月9日，TA-当前世界环境PG -01-05 VI -39 IP -40 4099 -www.a-i-l-s-a.com/article/988/ 4100- www.a-i-l-s-a.com/article/988/ ab-效率在目前的工作中研究了应用线性回归（LR）和人工神经网络（ANN）模型，以估计温度（37o48΄20΄΄n，23o57΄48΄΄E）的内部气温（t），在目前的工作中进行了研究。来自37058΄55΄΄n，23o32΄14΄΄E，雅典，阿提卡，希腊的城市气象站（MS）的t数据被用作预测变量，并用作预测变量。实际测量时间（ATM）和两个小时（ATM-2），具体取决于情况。在每个检查的区域（Glasshouse和MS）中监测空气温度数据连续四个月（7月至10月），并以两个小时的基础进行平均值进行上述估计。结果表明，考虑到较高的确定系数（R2）和较低的平均绝对误差，ANN的性能更好，考虑到其更好的性能，如观察到的spatterplot所示。梅）。最佳的ANN模型（最高的R2和最低MAE）是通过使用AS AS AS AS AS AST ATS和MS的ATM-2处T的T t的t来实现的。我们研究的发现可能是从远程MS的外部数据的外部数据估算希腊玻璃室内T内部T的第一步。因此，可以明显改善玻璃房的操作。