Actualmente, el aumento de dispositivos capaces de recopilar continuamente datos sobre variables no estacionarias y dinámicas afecta a los modelos predictivos, particularmente si no están equipados con algoritmos capaces de adaptar sus parámetros y estructura, lo que les impide percibir ciertas propiedades variables en el tiempo o la presencia de datos faltantes en flujos de datos. Una solución en constante desarrollo para estos problemas son los sistemas de inferencia difusa evolutivos. El objetivo de este trabajo fue revisar sistemáticamente los modelos de pronóstico implementados a través de sistemas de inferencia difusa evolutivos, identificando las estructuras más comunes, los resultados de implementación y las variables pronosticadas para establecer una visión general del estado actual de esta técnica y sus posibles aplicaciones en otros campos inexplorados. Esta investigación siguió la metodología PRISMA de revisiones sistemáticas, incluyendo artículos científicos y patentes de tres bases de datos académicas, una de las cuales ofrece acceso gratuito. Esto se logró a través de un flujo de trabajo de identificación, selección e inclusión, obteniendo 323 registros sobre los cuales se realizaron análisis basados en las preguntas de revisión propuestas. En total, se identificaron 62 investigaciones, proponiendo 115 estructuras de sistemas diferentes, principalmente enfocadas en aumentar la precisión, además de abordar ocho campos principales de aplicación y algunas técnicas de optimización. Se observó que estos sistemas se han implementado con éxito en la predicción de variables con comportamiento dinámico y manejo de valores faltantes, flujos de datos continuos y características no estacionarias. Por lo tanto, su uso puede extenderse a fenómenos con estas propiedades.