模糊系统和神经网络都是对人的智能的一种模拟，前者采用自顶向下的角度，而后者则是自底向上的角度。它们均可从给定的系统输入／输出数据中，建立系统的非线性模型。但是，模糊系统和神经网络又有不同之处。神经网络可以从例子中学习，具有很强的自适应学习能力，但由于神经网络模型是无模型的预报器，因此要使学习结果满意，需要很多数据进行训练。另外，神经网络所获得的输入／输出关系无法用容易被人接受的方式表达出来。相反，模糊系统是建立在被人容易接受的‘如果—则’表达方式上，而且它是建立在专家知识的基础之上，因此收敛快，但如何自动生成和调整隶属函数和模糊规则，是一个棘手的问题。本文研究了模糊系统和神经网络这两种人工智能方法的长处和短处，并将它们有机地结合在一起。将基于T-S模型的模糊神经网络应用于水质评价中，取得了较好的效果，为水质评价提供了一个新的方法。