针对网络教育资源更新速度快,利用效率低等问题,根据教育资源推荐需要,研究了模糊预测控制算法,该算法在T-S模糊模型的基础上,融合了神经网络模型中的NeuMF模型,解决了教育资源推荐算法中的线性关系不足的问题,用该算法设计实现了教育资源推荐系统,达到了较好的教育资源推荐效果。主要研究内容如下:(1)模糊预测控制算法研究。分析模糊预测控制算法原理,研究该算法中最常用的T-S模糊模型,构建基于教育资源推荐的T-S模糊模型,用于处理教育资源推荐中的教育资源非线性关系。(2)基于神经网络的模糊预测控制模型设计。研究神经网络中的MLP模型,GMF模型和结合两者优势产生的NeuMF模型。分析神经网络模型在教育资源推荐中的运用,构建了教育资源推荐中的NeuMF模型,用于处理教育资源推荐中的教育资源线性关系。结合神经网络模型和模糊预测控制算法的优势,构建了用户模型,教育资源模型和用户-教育资源特征匹配模型。用户-教育资源特征匹配模型分析用户与教育资源的关系,得到预测值,用于向用户推荐教育资源。(3)教育资源推荐系统设计及算法验证。在基于神经网络的模糊预测控制模型基础上,运用Java Web开发技术,使用网络爬虫技术,设计实现了教育资源推荐系统,测试结果表明,基于神经网络模型的模糊预测控制算法在教育资源推荐中实时性强、覆盖率全,推荐准确率均大于80%,具有一定的应用价值。