论文部分内容阅读
近年来，模糊神经网络系统已成为学术和实际应用领域的研究热点之一。模糊逻辑系统中的知识是显式的，具有算法直接、系统简单、数据处理量小等优点，但是系统无自主学习能力，灵活性差。神经网络的不足为系统理解困难，而且结构复杂，处理的信息量大，其优点是系统具有自主学习能力，有高度的并行性，优良的鲁棒性。可见，两者之间的优势互补性，将两者结合可以克服单一系统的不足。本文将二型模糊逻辑系统与神经网络结合，形成结构像神经网络，功能似二型模糊逻辑系统的两种区间二型模糊神经网络系统。运用MTLAB软件结合误差反向传递学习算法（BP算法），调整模型参数及权重。最后，应用所设计的两种区间二型模糊神经网络系统解决美国西德克萨斯轻质原油（WTI）价格预测及居民消费价格指数（CPI）预测问题。具体工作如下：（1）介绍模糊逻辑系统和神经网络的相关知识、发展及应用现状。（2）介绍一型模糊神经网络系统结构、区间二型模糊神经网络系统结构及发展应用。（3）研究基于一型模糊逻辑系统和神经网络的一型模糊神经网络系统，采用BP算法调整模型参数及权重，给出WTI原油价格预测应用实例，并运用MATLAB进行仿真。仿真结果表明，所设计的一型模糊神经网络系统是有效的和可行的。（4）研究基于二型模糊逻辑系统和神经网络的区间二型模糊神经网络，设计了两种区间二型模糊神经网络系统，采用BP算法调整模型参数及权重。（5）将所设计的两种区间二型模糊神经网络应用到WTI原油价格预测及CPI消费价格预测中，运用MATLAB进行仿真。仿真结果表明，所设计的两种区间二型模糊神经网络系统是有效的和可行的，由跟踪效果图及均方根误差表可知：在处理具有不确定性存在时区间二型模糊神经网络系统比一型模糊神经网络系统具有更好的控制性能；对比两种区间二型模糊神经网络系统，网络权重调整量越多系统越精确。