模糊神经网络——嘉陵江水质评价
研究生必备的人工神经网络电子书汇总(31本)
研究生必备的人工神经网络电子书汇总（31本）这些都是我从淘宝和百度文库里面搜集到的电子书，需要的可以联系我QQ：415295747，或者登录我的博客/u/17236977421.神经网络在应用科学和工程中的应用——从基础原理到复杂的模式识别5 译者序6 前9 致谢10 作者简介11 目录19 第1章从数据到模型:理解生物学、生态学和自然系统的复杂性和挑战27 第2章神经网络基础和线性数据分析模型72 第3章用于非线性模式识别的神经网络105 第4章神经网对非线性模式的学习166 第5章从数据中抽取可靠模式的神经网络模型的实现205 第6章数据探测、维数约简和特征提取235 第7章使用贝叶斯统计的神经网络模型的不确定性评估276 第8章应用自组织映射的方法发现数据中的未知聚类359 第9章神经网络在时间序列预测中的应用458 附录2.MATLB 神经网络30个案例分析第1章BP神经网络的数据分类——语音特征信号分类23 第2章BP神经网络的非线性系统建模——非线性函数拟合33 第3章遗传算法优化BP神经网络——非线性函数拟合48 第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优57 第5章基于BP_Adsboost的强分类器设计——公司财务预警建模66 第6章PID神经元网络解耦控制算法——多变量系统控制77 第7章RBF网络的回归——非线性函数回归的实现85 第8章GRNN的数据预测——基于广义回归神经网络的货运量预测93 第9章离散Hopfield神经网络的联想记忆——数字识别102 第10章离散Hopfield神经网络的分类——高校科研能力评价112 第11章连续Hopfield神经网络的优化——旅行商问题优化计算124 第12章SVM的数据分类预测——意大利葡萄酒种类识别134 第13章SVM的参数优化——如何更好的提升分类器的性能145 第14章SVM的回归预测分析——上证指数开盘指数预测153 第15章SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测165 第16章自组织竞争网络在模式分类中的应用——患者癌症发病预测171 第17章SOM神经网络的数据分类——柴油机故障诊断182 第18章Elman神经网络的数据预测——电力负荷预测模型研究188 第19章概率神经网络的分类预测——基于PNN的变压器故障诊断195 第20章神经网络变量筛选——基于BP的神经网络变量筛选200 第21章LVQ神经网络的分类——乳腺肿瘤诊断210 第22章LVQ神经网络的预测——人脸朝向识别220 第23章小波神经网络的时间序列预测——短时交通流量预测230 第24章模糊神经网络的预测算法——嘉陵江水质评价241 第25章广义神经网络的聚类算法——网络入侵聚类248 第26章粒子群优化算法的寻优算法——非线性函数极值寻优255 第27章遗传算法优化计算——建模自变量降维270 第28章基于灰色神经网络的预测算法研究——订单需求预测280 第29章基于Kohonen网络的聚类算法——网络入侵聚类289 第30章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类2.MATLAB 神经网络仿真与应用章节信息7 目录15 第1章神经网络概述38 第2章感知神经网络64 第3章自组织竞争神经网络106 第4章BP神经网络143 第5章线性神经网络171 第6章径向基函数神经网络196 第7章反馈神经网络及MA TLAB实现228 第8章神经网络预测与控制273 第9章神经网络优化及故障诊断302 第10章图形用户界面设计334 参考文献4.混合神经网络技术7 目录11 第1章绪论26 第2章基础知识43 第3章BP神经网络70 第4章RBF神经网络84 第5章Hopfield神经网络96 第6章随机神经网络114 第7章遗传神经网络158 第8章粒子群神经网络193 第9章模糊神经网络244 第lO章混沌神经网络293 第11章小波神经网络331 第12章神经网络集成356 附录5.神经网络控制（第三版）7 目录13 第1章绪19 第2章神经网络理论基础63 第3章基于神经网络的系统辨识101 第4章神经网络控制142 第5章遗传算法与神经控制179 附录203 参考文献6.脉冲耦合神经网络与数字图像处理丛书题名：智能科学技术著作丛书主要责任者：马义德主题词：神经网络; 数字图像处理出版者：科学出版社ISBN：978-7-03-022389-0出版地：北京出版日期：200807页数：3047 《智能科学技术著作丛书》序9 前13 目录21 第1章脉冲耦合神经网络50 第2章图像滤波及脉冲噪声滤波器77 第3章脉冲耦合神经网络在图像分割中的应用142 第4章脉冲耦合神经网络与图像编码185 第5章脉冲耦合神经网络与图像增强195 第6章脉冲耦合神经网络与图像融合210 第7章脉冲耦合神经网络与形态学245 第8章脉冲耦合神经网络在特征提取中的应用278 第9章脉冲耦合神经网络与数字图像签名技术292 第10章脉冲耦合神经网络与组合决策优化306 第11章脉冲耦合神经网络和小波变换322 参考文献7.混沌系统的模糊神经网络控制理论与方法主要责任者：谭文; 王耀南主题词：混沌学; 应用; 模糊控制; 神经网络出版者：科学出版社ISBN：978-7-03-021258-0出版地：北京出版日期：200805页数：2364 内容简介5 前7 目录13 第1章绪论37 第2章模糊神经网络控制理论基础70 第3章神经网络在混沌控制中的作用83 第4章基于径向基神经网络的非线性混沌控制99 第5章超混沌系统的模糊滑模控制111 第6章不确定混沌系统的模糊自适应控制120 第7章模糊神经网络在混沌时间序列预测中的应用134 第8章混沌系统的混合遗传神经网络控制150 第9章不确定混沌系统的模糊神经网络自适应控制165 第10章基于动态神经网络的混沌系统控制200 第11章基于线性矩阵不等式方法的混沌系统模糊控制223 第12章基于递归神经网络的不确定混沌系统同步245 结束语8. 智能预测控制及其MATLB 实现（第2版）丛书题名：自动控制技术应用丛书主要责任者：李国勇主题词：人工智能; 预测控制; 计算机辅助计算; 软件包出版者：电子工业出版社ISBN：978-7-121-10147-2出版地：北京出版日期：201001页数：3364 内容简介5 前7 目录13 第一篇神经网络控制及其MA TLAB实现13 第1章神经网络控制理论87 第2章MATLAB神经网络工具箱函数160 第3章基于Simulink的神经网络控制系统175 第二篇模糊逻辑控制及其MATLAB实现175 第4章模糊逻辑控制理论208 第5章MA TLAB模糊逻辑工具箱函数237 第6章模糊神经和模糊聚类及其MA TLAB实现267 第三篇模型预测控制及其MATLAB实现267 第7章模型预测控制理论281 第8章MA TLAB预测控制工具箱函数320 第9章隐式广义预测自校正控制及其MA TLAB实现334 附录A 隐式广义预测自校正控制仿真程序清单341 附录B MA TLAB函数一览表347 附录C MA TLAB函数分类索引349 参考文献9. 基于神经网络的优化设计及应用主要责任者：孙虎儿出版者：国防工业出版社ISBN：978-7-118-06282-3出版地：北京出版日期：200905页数：111目录11 第1章绪论11 1.1 优化设计发展概况20 1.2 信号处理的主要方法22 1.3 正交设计方法25 1.4 基于神经网络的立体正交优化设计概述28 第一篇基拙理论篇28 第2章基于小波变换的信号处理28 2.1 小波变换的源起与发展概述30 2.2 小波分析基础34 2.3 小波分析的工程解释35 2.4 基于小波分析的信号处理38 第3章神经网络结构的确定38 3.1 神经网络综论42 3.2 神经网络的基本原理47 3.3 人工神经网络的建模53 3.4 前馈型神经网络57 第4章正交设计法57 4.1 正交设计法的基本内容60 4.2 正交设计法的基本内容60 4.3 有交互作用的正交设计法63 4.4 方差分析法67 第二篇创新篇67 第5章立体正交表67 5.1 建立立体正交表70 5.2 立体正交表的基本性质71 5.3 立体正交试验的误差分析75 第6章立体正交优化设计75 6.1 立体正交优化设计概述77 6.2 立体正交优化设计的建模基础78 6.3 立体正交优化设计的特点79 6.4 立体正交设计的步骤及实现85 第三篇实践篇85 第7章液压振动筛参数优化设计与试验85 7.1 振动筛基本原理89 7.2 试验台设计91 7.3 模拟试验101 7.4 液压振动筛参数的立体正交优化设计108 第8章液压激振压路机的液压振动系统优化108 8.1 液压激振压路机基本原理110 8.2 液压振动轮的模型试验117 参考文献10.神经网络稳定性理论主要责任者：钟守铭; 刘碧森; 王晓梅; 范小明主题词：人工神经网络; 运动稳定性理论; 高等学校; 教材出版者：科学出版社ISBN：978-7-03-02116-2出版地：北京出版日期：200806页数：289内容简介5 前7 目录11 第1章绪论73 第2章Hopfield型神经网络的稳定性97 第3章细胞神经网络的稳定性150 第4章二阶神经网络的稳定性212 第5章随机神经网络的稳定性243 第6章神经网络的应用291 参考文献11. 神经模糊控制理论及应用丛书题名：自动控制技术应用丛书主要责任者：李国勇主题词：神经网络; 应用; 模糊控制出版者：电子工业出版社ISBN：978-7-121-07537-7出版地：北京出版日期：200901页数：3326 目录10 第一篇神经网络理论及其MA TLAB实现12 第1章神经网络理论77 第2章MATLAB神经网络工具箱191 第3章神经网络控制系统218 第二篇模糊逻辑理论及其MATLAB实现220 第4章模糊逻辑理论258 第5章MA TLAB模糊逻辑工具箱295 第6章模糊神经和模糊聚类及其MA TLAB实现327 附录A MA TLAB程序清单334 附录B MA TLAB函数一览表340 附录C MA TLAB函数分类索引342 参考文献12.时滞递归神经网络主要责任者：王林山主题词：时滞; 递归论; 神经网络出版者：科学出版社ISBN：978-7-03-020533-9出版地：北京出版日期：200804页数：254出版说明9 前言13 目录15 第1章概述29 第2章几类递归神经网络模型44 第3章时滞局域递归神经网络的动力行为116 第4章时滞静态递归神经网络的动力行为154 第5章时滞反应扩散递归神经网络的动力行为214 第6章时滞反应扩散方程的吸引子与波动方程核截面的Hausdorff维数估计244 第7章Ляпунов定理的推广与矩阵微分方程的渐近行为研究265 索引13. 神经网络实用教程丛书题名：普通高等教育“十一五”规划教材主要责任者：张良均; 曹晶; 蒋世忠主题词：人工神经元网络; 高等学校; 教材出版者：机械工业出版社ISBN：978-7-111-23178-3出版地：北京出版日期：200802页数：1840001 7 目录0002 5 前言0003 11 第1章人工神经网络概述0004 19 第2章实用神经网络模型与学习算法0005 83 第3章神经网络优化方法0006 98 第4章nnToolKit神经网络工具包0007 135 第5章MA TLAB混合编程技术0008 175 第6章神经网络混合编程案例0009 181 附录2NDN神经网络建模仿真工具0010 194 参考文献14.细胞神经网络动力学主要责任者：黄立宏; 李雪梅主题词：神经网络; 细胞动力学; 生物数学出版者：科学出版社ISBN：978-7-03-018109-1出版地：北京出版日期：200704页数：3334 内容简介5 前7 目录9 第一章细胞神经网络的模型及基本概念30 第二章基本理论60 第三章细胞神经网络的完全稳定性118 第四章细胞神经网络的全局渐近稳定性和指数稳定性176 第五章细胞神经网络的周期解与概周期解242 第六章细胞神经网络的动力学复杂性285 第七章一维细胞神经网络的动力学性质322 参考文献15. 人工神经网络基础丛书题名：研究生用教材主要责任者：丁士圻; 郭丽华主题词：人工神经元网络出版者：哈尔滨工程大学出版社ISBN：978-7-81133-206-3出版地：哈尔滨出版日期：200803页数：2084 内容简介5 前7 目录9 第1章绪论44 第2章前向多层网络86 第3章Hopfield网络110 第4章波尔兹曼机(BM)网络简介131 第5章自组织特征映射网络(SOFM)163 第6章ART网络197 第7章人工神经网络的软件实践和仿真15.智能控制理论及应用丛书题名：国家精品课程教材主要责任者：师黎; 陈铁军; 等主题词：智能控制出版者：清华大学出版社ISBN：978-7-302-16157-8出版地：北京出版日期：200904页数：408目录17 第1章绪论30 第2章模糊控制91 第3章模糊建模和模糊辨识118 第4章神经网络控制227 第5章模糊神经网络259 第6章专家系统301 第7章遗传算法333 第8章蚁群算法351 第9章DNA计算与基于DNA的软计算389 第10章其他智能控制16. 人工神经网络及其融合应用技术∙丛书题名：智能科学技术著作丛书∙主要责任者：钟珞 ; 饶文碧 ; 邹承明∙主题词：人工神经元网络 ; 研究∙出版者：科学出版社∙ISBN：978-7-03-018325-5∙出版地：北京∙出版日期：200701∙页数：1607 目录13 第1章绪论24 第2章前馈型神经网络47 第3章反馈型神经网络58 第4章自组织型神经网络72 第5章量子神经网络81 第6章神经网络与遗传算法103 第7章神经网络与灰色系统123 第8章神经网络与专家系统139 第9章模糊神经网络159 参考文献164 附录Matlab简介17.智能技术及其应用：邵世煌教授论文集∙主要责任者：丁永生 ; 应浩 ; 等∙主题词：人工智能 ; 文集∙出版者：科学出版社∙ISBN：978-7-03-023230-4∙出版地：北京∙出版日期：200902∙页数：573目录15 治学之路，开拓之道117 解析模糊控制理论：模糊控制系统的结构和稳定性分析127 不同模糊逻辑下模糊控制器的解析结构134 一个基于“类神经元”模型的智能控制系统及其在柔性臂上的应用研究142 交通系统的模糊控制及其神经网络实现149 采用遗传算法学习的神经网络控制器164 一种采用增强式学习的模糊控制系统研究169 基因算法及其在最优搜索上的应用191 DNA计算与软计算199 采用DNA遗传算法优化设计的TS模糊控制系统206 DNA计算研究的现状与展望223 混沌系统的一种自学习模糊控制228 用遗传算法引导混沌轨道405 模糊环境的表示及机器人轨迹规划409 多变地形下机器人路径规划415 一个环境知识的自学习方法444 含有模糊和随机参数的混合机会约束规划模型469 基于规则的模糊离散事件系统建模与控制研究491 基于最优HANKEL范数近似的线性相位IIR滤波器设计507 自适应逆控制的异步电机变频调速系统研究514 带有神经网络估计器的模糊直接转矩控制551 基于移动Agent的数字水印跟踪系统的设计和实现573 采用元胞自动机机理的针织电脑编织系统591 语词计算的广义模糊约束及其传播研究598 后记18.人工神经网络原理及应用∙丛书题名：现代计算机科学技术精品教材∙主要责任者：朱大奇 ; 史慧∙主题词：人工神经元网络∙出版者：科学出版社∙ISBN：7-03-016570-5∙出版地：北京∙出版日期：200603∙页数：218目录12 第1章人工神经网络的基础知识44 第2章BP误差反传神经网络76 第3章Hopfield反馈神经网络104 第4章BAM双向联想记忆神经网络117 第5章CMAC小脑神经网络139 第6章RBF径向基函数神经网络155 第7章SOM自组织特征映射神经网络175 第8章CPN对偶传播神经网络190 第9章ART自适应谐振理论210 第10章量子神经网络19.软计算及其应用要责任者：温显斌; 张桦; 张颖等主题词：电子计算机; 计算方法出版者：科学出版社ISBN：978-7-03-023427-8出版地：北京出版日期：200902页数：189前7 目录11 第1章绪论24 第2章模拟退火算法45 第3章人工神经网络93 第4章遗传算法138 第5章支持向量机162 第6章模糊计算20计算智能与科学配方∙主要责任者：冯天瑾 ; 丁香乾∙其他责任者：杨宁 ; 马琳涛∙主题词：人工智能 ; 神经网络 ; 计算 ; 研究∙出版者：科学出版社∙ISBN：978-7-03-020603-9∙出版地：北京∙出版日期：200801∙页数：272前10 目录16 第一章绪论38 第二章产品配方与感觉品质评估65 第三章神经网络与感觉评估99 第四章知识发现与复杂相关性分析154 第五章模式识别与原料分类187 第六章支持向量机方法214 第七章进化计算配方寻优方法243 第八章计算智能的若干哲理256 第九章人机交互智能配方系统278 参考文献287 致谢21.计算智能与计算电磁学主要责任者：田雨波; 钱鉴主题词：人工智能; 神经网络; 计算; 研究出版者：科学出版社ISBN：978-7-03-021201-6出版地：北京出版日期：200804页数：2337 目录11 第1章绪论19 第2章遗传算法基本原理50 第3章遗传算法电磁应用98 第4章模糊理论基本原理122 第5章神经网络基本原理188 第6章神经网络电磁应用235 附录1 计算智能和计算电磁学相关网站236 附录2 相关程序22.脉冲耦合神经网络原理及其应用丛书题名：智能科学技术著作丛书主要责任者：马义德主题词：神经网络; 理论; 应用出版者：科学出版社ISBN：7-03-016657-4出版地：北京出版日期：200604页数：1826 内容简介9 《智能科字技术著作丛书》库11 前15 目录19 第1章神经网络图像处理技术34 第2章PCNN模型及其应用概述49 第3章PCNN在图像滤波中的应用66 第4章PCNN在图像分割中的应用120 第5章PCNN在图像编码中的应用137 第6章PCNN与图像增强152 第7章PCNN与粗集理论、形态学和小波变换182 第8章PCNN的其他应用23.人工神经网络教程主要责任者：韩力群主题词：人工神经元网络; 研究生; 教材出版者：北京邮电大学出版社ISBN：7-5635-1367-1出版地：北京出版日期：200612页数：3307 序9 目录17 第1章绪论38 第2章人工神经网络建模基础63 第3章感知器神经网络100 第4章自组织竞争神经网络143 第5章径向基函数神经网络162 第6章反馈神经网络192 第7章小脑模型神经网络201 第8章支持向量机218 第9章遗传算法与神经网络进化237 第10章神经网络系统设计与软硬件实现267 第11章人工神经系统281 附录A 常用算法的MA TLAB程序298 附录B 常用神经网络源程序340 附录C 神经网络常用术语英汉对照344 参考文献24.神经网络专家系统主要责任者：冯定主题词：人工神经元网络出版者：科学出版社ISBN：7-03-017734-7出版地：北京出版日期：200609页数：3487 目录11 第1章从专家系统到神经网络专家系统22 第2章神经网络设计75 第3章数据的前后处理94 第4章神经网络专家系统中的模糊数146 第5章基于神经网络的知识表示199 第6章机器学习218 第7章基于神经网络的推理251 参考文献254 附录神经网络源程序25.神经网络新理论与方法主要责任者：张代远主题词：人工神经元网络出版者：清华大学出版社ISBN：7-302-13938-5出版地：北京出版日期：200611页数：1259 目录11 第1章概论17 第2章基本概念24 第3章实神经网络的代数算法44 第4章全局最小值分析51 第5章复数神经网络的代数算法61 第6章样条权函数神经网络及其学习算法124 第7章神经网络的统计灵敏度分析26.人工神经网络算法研究及应用主要责任者：田景文; 高美娟主题词：人工神经元网络; 计算方法; 研究出版者：北京理工大学出版社ISBN：7-5640-0786-9出版地：北京出版日期：200607页数：2837 目录9 第1章绪论32 第2章人工神经网络49 第3章改进遗传算法的径向基函数网络方法研究及应用95 第4章小波变换及小波神经网络方法研究及应用140 第5章模糊神经网络方法研究及应用189 第6章改进的模拟退火人工神经网络方法研究及应用235 第7章支持向量机方法研究及应用278 第8章结论281 参考文献27.神经计算与生长自组织网络主要责任者：程国建主题词：人工神经元网络; 计算; 自组织系统出版者：西安交通大学出版社ISBN：978-7-5605-2979-0出版地：西安出版日期：200810页数：242内容简介5 作者简介7 前17 目录23 第1章神经计算概述37 第2章人工神经网络的基本结构及其特性56 第3章神经感知器69 第4章自适应线性元件87 第5章多层前馈神经网络105 第6章径向基函数网络118 第7章古典生长型神经网络135 第8章生长型自组织神经网络158 第9章生长神经元结构及其变种182 第10章外生长型神经元结构206 第11章多生长神经元结构230 第12章双生长神经气网络252 参考文献28.神经计算原理丛书题名：计算机科学丛书主要责任者：（美）科斯塔尼克其他责任者：叶世伟; 王海娟主题词：突然南宫神经元网络; 计算出版者：机械工业出版社ISBN：978-7-111-20637-8出版地：北京出版日期：200705页数：491出版者的话7 专家指导委员会8 译者序9 前12 致谢13 重要符号和算符17 重要缩写词20 目录25 第一部分神经计算的基本概念和部分神经网络体系结构及其学习规则25 第1章神经计算概述40 第2章神经计算的基本概念95 第3章映射网络144 第4章自组织网络168 第5章递归网络和时间前馈网络201 第二部分神经计算的应用201 第6章用神经网络解决最优化问题238 第7章用神经网络解决矩阵代数问题275 第8章使用神经网络求解线性代数方程组318 第9章使用神经网络的统计方法372 第10章使用神经网络进行辨识、控制和枯计435 附录A 神经计算的数学基础497 主题索引29. 人工神经网络与模拟进化计算主要责任者：阎平凡主题词：人工神经元网络; 计算出版者：清华大学出版社ISBN：7-302-10663-0出版地：北京出版日期：200509页数：639出版说明9 前11 第一版前15 目录27 第1章绪论37 第2章前馈网络77 第3章径向基函数网络112 第4章学习理论与网络结构选择166 第5章核方法与支持向量机210 第6章自组织系统(Ⅰ)236 第7章自组织系统(Ⅱ)271 第8章自组织系统(Ⅲ)302 第9章动态信号与系统的处理361 第10章多神经网络集成386 第11章反馈网络与联想存储器424 第12章神经网络用于优化计算441 第13章神经网络中的动力学问题463 第14章误差函数与参数优化方法487 第15章贝叶斯方法505 第16章神经网络在信号处理中的应用552 第17章进化计算概论与进化策略575 第18章遗传算法及其理论分析596 第19章遗传算法的设计与实现619 第20章遗传算法在神经网络中的应用626 第21章遗传算法在作业调度中的应用636 第22章分布估计算法660 索引30.人工神经网络与盲信号处理主要责任者：杨行竣; 郑君里主题词：人工神经元网络; 信号处理; 应用; 人工神经元网络出版者：清华大学出版社ISBN：7-302-05880-6出版地：北京出版日期：200301页数：3997 目录11 第1章绪论33 第2章前向多层神经网络与递归神经网络123 第3章自组织神经网络163 第4章Hopfield神经网络244 第5章模糊神经网络311 第6章遗传算法及其在人工神经网络中的应用337 第7章盲信号处理31.人工神经网络理论、设计及应用（第二版）主要责任者：韩力群主题词：人工神经元网络; 高等学校; 教材出版者：化学工业出版社ISBN：978-7-5025-9523-4出版地：北京出版日期：2000709页数：2437 前9 目录15 1 绪论34 2 神经网络基础知识52 3 监督学习神经网络85 4 竞争学习神经网络121 5 组合学习神经网络133 6 反馈神经网络168 7 小脑模型神经网络178 8 基于数学原理的神经网络207 9 神经网络的系统设计与软件实现220 10 神经网络研究展望223 附录1 常用神经网络C语言源程序254 附录2 神经网络常用术语英汉对照256 参考文献。
基于t-s模糊神经网络的水质评价方法及其在四水流域的应用
００３);国家科技重大专项(
２０１７ZX０７１０８
Ｇ
００１)
作者简介:钟艳红(
１９７４
Ｇ),女,湖南湘阴人,工程师,主要从事水利工程管理和河道整治等研究工作.EＧma
i
l:４４５６７９６１３＠qq
c
om.
通信作者:苗东昊(
１９９４
Ｇ),男,内蒙古赤峰人,博士研究生,研究方向为水生态环境研究.EＧma
Ｇ
５４１９(
２０２０)
０１
Ｇ
００２０
Ｇ
０５
水质 评 价 指 对 水 质 情 况 和 水 体 利 用 价 值 进 行
快也 被 引 入 水 质 评 价 的 研 究 中 并 得 到 了 广 泛 认
t
on 等人于 上 世 纪 ６０ 年 代 提 出, 其 后 国 内 外 学 者
究中,通过确定聚类 元 素 的 功 效 函 数、 标 准 权 值、
水质评价指对水质情况和水体利用价值进行评定的研究水质评价的概念及指标最早由horgton等人于上世纪60年代提出其后国内外学者提出了大量水质评价指标方法体系随着水质评价方法研究的不断深入水质评价方法得到了不断地完善和改进同时伴随着多种数学方法和模型的融入越来越多的水质评价方法被提出如层次分析法人工神经网络评价法主成分分析法灰色评价法等
J]． 水 利 科 学 与 寒 区 工 程,
２０２０,３(
１):２０
Ｇ
２４．
基于 TＧ
S 模糊神经网络的水质评价方法
及其在四水流域的应用
钟艳红１,苗东昊２,赵明汉２,邵东国２,朱诗好１
(
１． 湖南省洞庭湖水利工程管理局,湖南 长沙 ４１０００７;
２．武汉大学 水资源与水电工程科学国家重点实验室,湖北 武汉 ４３００７２ )
基于模糊神经网络的海水水质评价 宗勇军
基于模糊神经网络的海水水质评价宗勇军摘要：为了能够客观地对海水水质进行综合评价，利用遥感图像获取的实时与大范围优势，基于卷积神经网络的沿海水质综合评价方法。
通过多层卷积与池化操作，降低因图像平移、缩放、倾斜等变换引起的误差，提高水质评价精度。
实验结果表明，该方法可较准确地评价沿海水质，具有一定的实用价值。
关键词：沿海水质；水质评价；神经网络随着沿海养殖、工业、运输和旅游等行业的迅速发展，近岸海域所承受的资源与环境压力也日益严重，自净速度往往赶不上生产、生活排污速度，从而导致沿海区域水质下降和生物资源减少等海洋生态环境问题。
目前，沿海水质评价数据采集手段已多样化，主要包括卫星遥感、船舶、航空、浮标和台站等方式，而基于遥感图像的水质评价因具有快速、低成本、即时同步性好等优势，已成为当前沿海水质监测与评价的主流方式，可实时快速获得大面积区域沿海水质信息。
卫星遥感的原理是利用卫星重现观测目标电磁辐射特性的空间分布状况，包含观测目标的光谱、时空等特征，并通过分析、推理与判断遥感影像中的目标特征信息来实现观测目标识别。
一、沿海水质评价技术总体框架沿海水质评价技术框架如图1 所示，在水质评价前，需对卷积神经网络进行样本训练。
训练集由沿海水质评价知识集、沿海卫星遥感图像数据和实测的沿海水质数据组成。
其中以卫星遥感图像数据和沿海水质评价知识集为输入样本，以实测的沿海水质数据为目标样本。
在沿海水质评价过程中，将卫星观测的遥感图像数据和水质评价知识数据作为输入数据集，利用训练好的卷积神经网络进行分类识别，最终实现沿海水质的评价与分类。
根据标准海水水质标准，海洋水质分为Ⅰ类、Ⅱ类、Ⅲ类和Ⅳ类[1]，对于劣于第Ⅳ类的水质，根据[1]将其分为劣Ⅳ类。
因此在训练及识别过程中，以上述级别的分类标准作为沿海水质评价标准指标，实现沿海水质的分类处理。
二、卷积神经网络的沿海水质评价技术1、沿海水质遥感图像校正。
由于受到遥感器自身特性、大气折射、地球自转和成像方式等因素的影响，卫星遥感采集的影像存在一定的数据失真与几何畸变现象，这必然影响后期影像处理质量和应用效果。
基于模糊神经网络的海水水质综合评价
第 ２期
海
洋
通
报
Ｖｏ． ３Ｉ． ＮＯ ２ １ ． Ａｐ ．２ ２ ｒ ０１
２１ ０ ２年 ４月
Ｍ Ａ Ｎ Ｓ Ｅ Ｅ ＵＬ Ｅ Ｉ ＲＩ Ｅ ＣＩ ＮＣ Ｂ Ｌ Ｔ Ｎ
基于模糊神经 网络 的海水 水质综合评价
刁美娜 ，温小虎 ， 一 ，刘有 刚 ３ ，王德 ，高猛
３ Ｑｎｄ ｏＨ ａ ｈｉ ｒｉ ｅＥ ｇｎｅｉｇＰｏｐｃｉｇＩｓｉ ｔ，Ｓ Ａ，Ｑｎｄ ｏ２ ６３ ，Ｃ ｉａ ． ｉｇｎ ｕ ｎ ａ Ｍａｉｍ ｎ ｉｅｒｎ ｒｓｅｔ ｎｔｕｅ Ｏ ｔ ｎ ｔ ｉｇ ａ ６ ０ ３ ｈｎ ）
Ａｂ ｔ ａ ｔ Ｉ ｉ ｓｕ ｙ ｗ ｔ ２ ｗａｅ ｕ ｌ ｙ ｄ ｔ ｏ ｓ ｍｐ ｉ ｇ ｓ ｅ ｆＬ ｄ ｏ ｈ ｎ Ｂ ｙ ｈ ｕ ｌ ｙ ｏ ｅ ｔ ｒｂ ｓ ｄ ｓｒ ｃ ： ｎ ｔ ｓ ｔｄ ， ｉ ２ ｔｒｑ ａｉ ａ ａｆ ｍ ａ ｌ ｉ ｓｏ ｉ ａ ｚ ｅ ａ ，ｔ ｅ ｑ ａｉ ｆ ａｗａｅ ａ ｅ ｈ ｈ ｔ ｒ ｎ ｔ ｔ ｓ
ｏ ｕ ｚ ｅ ｒｌｎ ｔ ｏｋ ｗ ｓ ａｓ ｓｅ ．Ｔ ｅ ｒｓ ｌ ｈ ｗ ｔａ ０９ ％ ｏ ｈ ｓｍｐｅ ｅｏ ｇ ｔ ｌｓ １ｗａｅ ｕ ｌｙ ｎ ｆｚｙ ｎ ｕａ ｅｗ ｒ ａ ｓｅ ｓｄ ｈ ｅｕｔ ｓｏ ｈ ｔ４ ．１ ｓ ｆｔｅ ａ ｌｓｂ ｌｎ ｏ ｃａ ｓ ｔｒｑ ａｉ ｔ
中 图分 类 号 ：Ｘ ２ ８４ 文 献 标 识 码 ：Ａ 文 章编 号 ： １０ — ９ ２ ２ １ ）２ ０ ２ — ５ ０ １ ６ ３ （ ０ ２ ０ — ２ ８ ０
Ｉ ｔ ｇ ａ ｅ ａ ｓ ｓ ｍ ｅ ｎ ｅ ｔ ｒ ｑｕ ｌｔ ｎ ｅ ｒ ｔ ｄ ｓ ｅ ｓ ｎｔｏ ｓ ａ ｗａ ｅ ａ ｉｙ ｂ ｓ ｄ ｏ ｈ ｕ ｚ ｕｒ ｌｎｅ ｗｏ ｋ ａ ｅ ｎ ｔ ｅ ｆ ｚ ｙ ｎｅ ａ ｔ ｒ
模糊综合评价法在北碚主要支流河流水质评价中的运用
Utilization of Fuzzy Mathematical Method in Environmental Quality Evaluation of Three Tributary Rivers of Beibei
Yao Zhiyuan1, Hao Qingju1,2, Jiang Changsheng1,2, Hu Biqin1,2
7.72 1.208
5.30
4.15
0.369 0.030
8.13 0.347
4.60
3.03
0.272 0.010
8.04 0.130
1.90
1.93
0.263 0.024
8.20 0.010
1.45
2.95
0.245 0.010
8.17 0.026
6.50
3.53
0.312 0.030
7.95 0.169
……（3）
式中：rij—因子 ui对 j 级水质的隶属度；Ci—因子 ui的 实测浓度值；Sij—因子 ui第 j级水质标准。对第 i 个因子 ui 评价的结果组成单因素模糊评价集 Ri=(ri1,ri2,ri3,…,rim)。
表 1 2007 年北碚境内主要支流水质监测结果
CODMn/ BOD5/ 氨氮/ 石油类/ pH
(mg/L) (mg/L) (mg/L) (mg/l)
总磷/ (mg/L)
6.60
4.10
0.374 0.025
7.61 0.153
8.35
3.83
0.313 0.053
7.45 0.164
5.05
3.80
中国农学通报 2009,25(13):211-215 Chinese Agricultural Science Bulletin
基于模糊BP神经网络的水质评价
随着社 会发 展 ， 环境 系统 日益 恶化 ， 水 单纯 使用确 定性 和不 确定 性方法 （ 包括模 糊理 论 、 色关联 系 灰
统） 已无法 满足 研究 水 环境 系统 的复 杂性 和动 态性要 求［ 。 １ 而且 由于水 环境 系统具 有极强 的非线 性 动力 ］
特性 ， 使得 基 于显 函数 和线性 假设 的分析手 段 与数学 模型 很难 如实对 水环境 质量 进行正 确评价 和预 测 。 将人 工神 经 网络引 入水 环境 体系并 建立合适 的人工神 经 网络模 型 ， 在继承原 有方 法优点 的基础 上 ， 望 有 解决 原有 方法难 以解决 的一 些复杂 问题 ［ ］ ２。 。 。 本文 在 Ｂ 网络 模 型 基础 上构 建 了隶属 度 Ｂ 网络模 型 ， 用 于佛 山某 污 水处 理 厂 的水 口水 质 评 Ｐ Ｐ 应
为
Ｓ＾一 （ｆ一 Ｙ１／ — Ｙ ） 。 ＾ （ ） ｎ。 （） ３
同样 规定 ， 于模糊 集合 Ａ越 大 越优 的指标 ， ｚ ≤ 其 对 于模糊 概 念 污染 Ａ 的相 对隶 属 度 ， 对 若 玎 ∽ ．
Ｓｅ ． ２ １ ｐ ０１
文章 编 号 ：０ ８０ ７ （０ １ ０ —０ ５０ １ ０— １ １ ２ １ ） ５０ １ —５
基 于模 糊 Ｂ Ｐ神 经 网络 的水质 评 价
苏 彩 红 向 娜 李 理 想 ， ，
（． 山 科 学 技 术 学 院 自动 化 系 ， 东 佛 山 ５ ８ ０ ；． 南理 工 大 学 自动 化 学 院 ， 东 广 州 ５０ ４ ） １佛 广 ２００２华 广 １ ６ １
价， 把实 测数 据作 为 测试 样 ， 并增加 了模 糊隶 属 度 的水 质 级别 评价 ， 实验 表 明所 得评 价结 果更 符 合评 价
基于模糊神经网络的汉江水质评价
水 污染 控制规 划就是 在基本查 清污染物 排放 、 质现状和水 文水 水 力学特性 的条 件下 ， 通过试验获得 相关参 数 ， 并通过水质数学模 型预测 规划水平年 的水体 水质 ， 在保证水质 达到规划水质级别 的前提 下 ， 合理 安排各污染源 污染 物的排放 ， 并对 污染控 制方案进行研究 ， 出技术 经 提 济可行的最佳实用方 案， 为相 关部门的决策提供科学依据 。 水质评 价是 根据水 质评价 标准 和水质检 测样本 各项指 标值， 过 通 定 的数学模型来确定样本的等级 。水质评价常用 的方法包括单因子评 价法 、 污染指数法 、 主分量分析评价法 、 指数 评价法 、 综合 模糊数学评 价 法、 灰色评价法 、 物元分析评价法 、 人工神经网络” 和支持向量机 。 从 模糊水 文学 的观 点来看 ， 质 的清 洁与污染这 一对立 的概念之 水 间， 在划 分过程 中并不存 在绝 对分明 的界 限， 具有 中介 过渡性 。这是客 观存 在着 的模 糊概念 。用模糊 理论与方法 ， 比传统评 价方法更 符合现 象 的实际 ， 能使 水质评 价的理论 与方法建立 在 比较严谨 的数学逻 辑基 础上 ； 而人 工神经 网络是一种新颖 的数学 建模方法 ， 具有非线性 映射 、 并行 性 、 自适应 、 自学 习和容错 性等能 力， 能够解 决属 于模式设别 的水 质评价 问题 。所以 ， 本文用神 经网络来构造模糊 系统 ， 利用 神经网络 的 学习方法 ， 根据输人输 出样本来 自动设计和调整模糊系统 的设 计参数 ， 实现模糊系统 的 自学 习和 自适应功能 ， 实现汉江水质 的评价 。 ２模糊神经 网络评价模型 ． ２１ ．模糊数学与神经 网络 模 糊数 学 由美 国控制 论专 家 ＬＡ＿Ｌ ＿ 手 德教 授所创 立 ， 是运 用数学 方 法研究和处理 模糊性现象 的一 门数 学新 分支。它 以“ 模糊集合 ” 为基 论 础。模 糊数学 提供 了一种 处理不 肯定 性和不精 确性 问题 的新方法 ， 是 描述人脑 思维处理 模糊信 息的有力工 具。它既 可用于 “ ” 硬 科学方 面 ， 又可用于“ 科学方 面。 软” 神经网络 （ｅ ｒｌｅｗ ｒ， 写 Ｎ ， 一种 模仿生物神经 网络 的结 ｎ ｕａ ｔｏｋ 缩 ｎ Ｎ）是 构 和功能的数学模 型或计算模型 。神经 网络由大量的人工神经元联结 进行计 算。大多数情 况下人工神经 网络能 在外 界信息的基础上改变 内 部 结构 ， 一种 自 应系统 。现代神经 网络是一种 非线性统 计性数据 是 适 建模 工具 ， 常用来对输 入和输 出间复杂 的关 系进行建模 ， 或用来探索数 据 的模 式。 本 文采用 由前两 次学 习步长来决定本次学 习步长的方法加速 网络 的收敛 速度并 增强稳定性 ， 传递 函数作适 当调整 ， 对 并将 ３ 层结构改 为 ５ 。按 照学习规则进行学 习 ， 到达到预先规定的精度或者达到最大 层 直 训练次数 才停 止学习 。 ２２ ．模糊 神经网络 （） １ 网络 结构 般 模糊神经 网络Ｉ １ １６ ５１ － 有输入层 、 隐含层 、 化层 、 模糊 模糊推理层 和 解模 糊层 。如果不采 用等效处 理直接设计 为每层都 是全链接 ， 则网络 复杂 、 庞大 ， 导致模型训练时不易收敛 。本文 中使用结构 如图 １ 示。 所
模糊神经网络——嘉陵江水质评价
模糊神经网络——嘉陵江水质评价目录1 绪论 (2)1.1 选题背景和研究意义 (2)1.2 神经网络与模糊系统 (3)1.3 文本研究内容和研究思路 (3)2 模糊神经网络的基本原理 (5)2.1 模糊神经网络概述 (5)2.2 模糊系统和神经网络结合的可能性 (5)2.2.1 人工神经网络与模糊系统的相同之处 (6)2.2.2 人工神经网络与模糊系统的不同之处 (6)2.2.3 人工神经网络与模糊系统结合意义 (8)3模糊神经网络模型的结构和原理 (9)3.1 模糊神经网络模型构建 (9)3.2 模糊神经网络学习算法 (10)3.3 模糊神经网络水质评价 (10)4 总结与展望 (14)4.1总结 (14)4.2 展望 (14)参考文献 (15)致谢 (16)附录 (17)1 / 241 绪论1.1 选题背景和研究意义随着经济的快速发展，水资源日益恶化，水污染已呈现由点污染向面污染发展的趋势，成为制约和困扰我国可持续发展的一大障碍。
治理污染的水环境和防止水资源被进一步恶化，已经成为当前迫切需要解决的问题。
水质评价是以定量的方式对水环境的质量进行综合的评价，是水环境管理保护和污染治理的一项基础性工作，医务室近年来的研究热点。
当前我国水污染已经得到了有关部门的重视，并且水污染治理工作中所需的硬件设施以及科学技术的不断完善为水污染治理工作起到了重要的支撑作用。
应当认识到水质分析是水污染治理工作中的基础内容，对水质进行科学的分析，能够预防水污染事件的出现，尤其是预防突发性水污染事件的发生，同时在水污染事件发生后能够对水污染程度做出合理的判定，对水污染处理的措施以及方案能够提供必要的依据。
同时居民生活饮用水的水质也影响着人们的身体健康，对饮用水进行必要的水质监测与分析能够确保引用水的质量。
所以水质分析不仅是水污染处理中贯彻以预防为主方针的重要途径，也是水污染处理工作中的重要内容。
传统的水质评价方法有评分法，比质法，统计法等，这些传统的水质评价方法受人为的主观因素的制约，从而影响可评价的精度。
(完整word版)模糊神经网络的预测算法在嘉陵江水质评测中的应用
模糊神经网络的预测算法——水质评价一、案例背景1、模糊数学简介模糊数学是用来描述、研究和处理事物所具有的模糊特征的数学，“模糊”是指他的研究对象，而“数学”是指他的研究方法。
模糊数学中最基本的概念是隶属度和模糊隶属度函数.其中，隶属度是指元素μ属于模糊子集f的隶属程度，用μf（u）表示，他是一个在［0，1]之间的数。
μf(u）越接近于0，表示μ属于模糊子集f的程度越小；越接近于1,表示μ属于f的程度越大.模糊隶属度函数是用于定量计算元素隶属度的函数，模糊隶属度函数一般包括三角函数、梯形函数和正态函数。
2、T—S模糊模型T—S模糊系统是一种自适应能力很强的模糊系统，该模型不仅能自动更新，还能不断修正模糊子集的隶属函数。
T-S模糊系统用如下的“if—then”规则形式来定义，在规则为R i的情况下，模糊推理如下：R i：If x i isA1i，x2isA2i,…x k isA k i then y i =p0i+p1i x+…+p k i x k其中，A i j为模糊系统的模糊集;P i j(j=1，2，…，k)为模糊参数；y i为根据模糊规则得到的输出，输出部分（即if部分）是模糊的,输出部分（即then部分）是确定的，该模糊推理表示输出为输入的线性组合.假设对于输入量x=［x1，x2,…,x k]，首先根据模糊规则计算各输入变量Xj的隶属度.μA i j=exp（—（x j-c i j）/b i j）j=1,2,…，k；i=1,2，…,n式中，C i j，b i j分别为隶属度函数的中心和宽度；k为输入参数数;n为模糊子集数。
将各隶属度进行模糊计算，采用模糊算子为连乘算子。
ωi=μA1j（x1）＊μA2j（x2)＊…*μA k j i=1,2，…,n根据模糊计算结果计算模糊型的输出值y i。
Y I=∑n i=1ωi(P i0+P i1x1+…+P i k xk）/ ∑n i=1ωi3、T-S模糊神经网络模型T—S模糊神经网络分为输入层、模糊化层、模糊规则计划层和输出层四层。
基于T-S模型的模糊神经网络在水质评价中的应用的开题报告
基于T-S模型的模糊神经网络在水质评价中的应用的开题报告一、选题背景随着经济的发展和人口的增加，水资源的供需矛盾日益突出，水环境质量问题也引起了人们的关注。
水质评价是水环境管理的一个重要环节，可以对水体的水质状况进行全面的、客观的评价，并为水质治理提供科学依据。
目前，常用的水质评价方法主要包括基于指标的水质评价、基于模型的水质评价和基于生态的水质评价等。
其中，基于模型的水质评价方法是在建立水体质量模型的基础上，通过模拟分析或预测分析等方式，对水体的水质进行评价和分析。
该方法具有定量化、精确化和动态化等特点，可以更准确地反映水质状况。
目前，基于模型的水质评价方法多采用统计学方法、人工神经网络等方法进行建模。
但是，这些方法在实际应用中存在一些限制，如对数据处理的要求较高、计算量大、参数选择存在主观性等。
基于T-S模型的模糊神经网络具有将模糊理论和神经网络有机结合的特点，可以有效地克服上述问题。
因此，本文选取基于T-S模型的模糊神经网络作为水质评价方法，并开展相关研究。
二、研究内容和目标本文的研究内容主要包括以下几个方面：1. 探究基于T-S模型的模糊神经网络的基本原理和算法，建立模型框架。
2. 基于水质监测数据，选取适当的指标，建立水质评价模型。
3. 对模型进行性能评估，并与其他水质评价方法进行对比分析，验证模型的有效性和优越性。
本文的研究目标是建立一种基于T-S模型的模糊神经网络水质评价方法，为水环境管理提供科学依据。
三、研究方法本文采用文献研究法、实证研究法和数学建模法相结合的方法进行研究。
1. 文献研究法：通过文献阅读和综述，了解基于T-S模型的模糊神经网络的基本原理和算法，掌握相关理论和方法。
2. 实证研究法：按一定的规律收集水质监测数据，筛选并整理出有效数据，根据建立的模型进行评价，对模型进行性能评估。
3. 数学建模法：基于建立的T-S模型的模糊神经网络，选取适当的水质指标，建立水质评价模型，进行实证分析。
模糊综合评价在嘉陵江南充段水质评价中的应用
安 徽农 学 通 报 ， ｎ ｕ Ａ ｒ ＳｉＢ ｌ ２ １ １ （ ９ Ａ ｈ ｉ ｇｉ ｃ ｕ１ ０ ２，８ １ ） ． ． ．
模 糊 综 合 评 价 在 嘉 陵 江 南 充 段 水 质评 价 中的应 用
黄 剑
（ 中国水 电顾问集团成都勘测设计研究 院， 四川成都 ６０ ７ ） １０ ２
ｗａ ｏ ｙ ｃ ｍ ｂｎａｉｎ Ｏｆｆ ｚ ｙ ｒ ｌｔｏ ｔ ｘ ａ ｄ ｗｅｇ ｔｃ ｅ ｃｅ ｔ ｘ． ｓ ｇ ｔｂ ｏ ｉ ｔ ｕ ｚ ｅａ ｉｎ ｍａ ｒ ｎ ｉｈ ｏ ｆ ｉｎｔｍａｒ ．Ｒｅ ｕ ｔ Ｔｈ ｅ ｕ ｔ ｈ ｗｅ ｈ ｔＴＮ ｎ Ｆ ｏ ｉ ｉ ｉ ｓ ｌ ： ｅ ｒ ｓ ｌｓ ｓ ｏ ｄ ｔ ａ ａ ｄ Ｃ
ｔ ｎｏ ａｃｏｇｏ ｉ ｉ ｊ ｎ．Ｍｅ ｏ ： ｈ ｖｌ ｔ ｇｇａｅｃｎｒｇｔ ｎｗ ｓｅｔ ｌ ｈｄｂｓｄｏ ｒｄｓｏ ｎｉ ｎ ｉ ｆ ｎ ｈｎ ｎＪ ｌ ｇｉ ｇ ｏ Ｎ ａｎ ａ ｔ ｄ Ｔ ｅｅａ ａｉ ｒｄ ｏ ｇ ａ ｏ ａ ｓ ｂｉ ｅ ａｅ ｎ５ｇａ ｅ ｆ ｖ ｏ— ｈ ｕ ｎ ｅ ｉ ａ ｓ ｅ ｒ
ｍ ｈｐｅｗ ｉ ｔ ｔｏ ． ｎ ｅｃ ｍ ｒ ｅ ｓ ｅ ｖ ｌａ ｎ ｓ ｌ ｎｗ ｔ ｕ ｌｙｏ ｅｓｃ ｏ ｆ ａ ｃ ｏ ｇｏ ｉ ｉｇ ａ ｇ ｕ ｉ ｅｇ ｈ ｄ Ａ ｄ ｔ ｏ ｐ ｅ ｎ ｉ ａ ｔ ｇ ｅｕｔ ｏ ａｅ ｑ ａ ｔ ｆ ｈ ｅｔ ｎ ｏ Ｎ ｎ ｈ ｎ ｎＪ ｌ ｊ ｎ ｌ ｈ ｍｅ ｈ ｈ ｖｅ ｕ ｉ ｒ ｓ ｒ ｉ ｔ ｉ ａｎ ｉ
供科 学的参考依据 。 关键 词 ： 模糊综合评价 ； 嘉陵 江； 水质评价
中 图分 类 号 ￥７ ． ２ ３４ 文献 标 识 码 Ａ 文章编号 １０ ７３ （０ ２ １ ２ ０ ０ ７— ７ １ ２ １ ）９— ２— ３
基于T-S模糊神经网络的东滩湿地水域海水水质评价
图 １ 水 质 采 样 点 分 布 图
Ｆｉ １ Ｔｈｅ ｄｉｔ ｉ ｉｎ ｇ． ｓｒｂｕｔｏ ｏｆｗａｔｒ ｓ ｍ ｐｌｎｇ ｓｔ ｓ ｅ ａ ｉ ｉｅ
Ｔｓ 糊 神经 网络输 出数 学表达 式 为 ： ．模
Ｙ＝ （ ｐ Ｐ ＋ ＋… ＋ ／ ｐ ） （ １２ … ，） ，， 凡 （） １
ｃ ｅ ｃ ｌｏ ｙ ｅ ｅ ｎ ｈ ｍｉａ ｘ ｇ ｎ ｄ ｍａ ｄ， ｃ ｎｔｎ ｆ ｈ ｒ ｕ ｅｅ ｎ ｓ ｅｃ Ｔｈ ｓ ａ ｅ ｕ ｅ Ｓ ｆ ｚ ｙ ｅ ｒ ｌ ｎ ｔ ｒ ｔ ｏ ｅ ｔ ｏ ａ ｍｆ ｌ ｌ ｍｅ ｔ ， ｔ ． ｉ ｐ ｐ ｒ ｓ ｄ Ｔ— ｕ ｚ ｎ ｕ ａ ｅｗｏ ｋ ｏ
评 价 的结果 ， 同时 对该地 区 的浮游 动 、 物数 量丰 富度进 行 了分析 。 植
１ 材 料 和 方 法
１ １ 数 据 采集 ．
长 江 口东滩 湿 地水 域 采 样 数据 取 白 ２ １ ０ ０年 ５月 份 长 江 口 ｌ 采样 点 （ １ Ｚ Ｚ Ｏ Ｚ ２～ １ 。Ｚ １ ５个 图 ， １一 Ｉ ， １ Ｚ ６ １ 不 在本 研究水 域 ， 采用 ） 分 别 为涨 潮பைடு நூலகம்、 未 ， 落潮 时 间定
ａｓｓ ｓａ ａ ｒ ｕ ｌｙｏ Ｃ ｉｅｅｓ ｒｅｎｒｓｒｅｏ ｅＹ ｎ ｔ ｓ ａｙｗ ｔ ｎ ｐｗ ｉｇｓａｏ （ ｙ ｓｅｓ ｅｗ ｔ ａｉ ｆ ｈｎ ｓ ｔ ｇｏ ｅｅ ｆ ｈ ａ ｇ ｅｅｔ ｒ ｅ ａ ｄｉ ｓａ ｎｎ ｅ ｓｎ Ｍａ ， ｅｑ ｔ ｕ ｖ ｔ ｚ ｕ ｌ ｎ
ｅ ｆｃｉ ｅ ｍｅ ｈ ｎ ｓ ｏ ｅ ｗａ ｅ ｕａｉ ｓ ｅ ｓ ｅ ｔ ｆ ｔ ｃ ａ ｉｍ ｆｓ ａ ｔｒｑ ｌｔ ａ ｓ ｓｍ ｎ ． ｅ ｖ ｙ
嘉陵江南充段水质评价及其污染源解析
嘉陵江南充段水质评判及其污染源解析一、引言嘉陵江是中国四大直辖市重庆市的一条重要河流，上游自青海省南部起源于巴颜喀拉山，流经宁夏、甘肃、陕西、重庆等省区，最终注入长江。
嘉陵江南充段作为嘉陵江的一部分，承担着重要的水资源供应和生态环境保卫责任。
然而，随着经济的快速进步和人口的增加，嘉陵江南充段的水质越来越受到人们的关注。
本篇文章将对嘉陵江南充段的水质进行评判，并对其污染源进行解析，以期为保卫嘉陵江南充段水质提供科学依据。
二、嘉陵江南充段水质评判1. 监测指标为了评判嘉陵江南充段的水质，需要监测一系列的指标。
常用的水质监测指标包括水温、溶解氧、氨氮、总磷、总氮、化学需氧量(COD)、五日生化需氧量(BOD5)等。
这些指标可以反映水体的富营养化程度、污染物的浓度和有机物的分解能力。
2. 水质评判结果依据对嘉陵江南充段的水质监测数据进行分析，可以得出如下结论：嘉陵江南充段的水质整体较差，存在一定的污染现象。
水温较高，溶解氧含量较低，氨氮、总磷和总氮的浓度超过了环境质量标准的限值，COD和BOD5的浓度也较高。
这些指标均表明嘉陵江南充段存在水体富营养化的现象，同时也暴露出水体受到了有机污染物的影响。
三、嘉陵江南充段水质污染源解析1. 工业废水嘉陵江南充段流经重庆市的工业区，浩繁工厂和企业排放的废水对嘉陵江南充段的水质产生了不利影响。
工业废水中包含了大量的有机物和重金属，对水体的富营养化和水质恶化起到了推波助澜的作用。
2. 农业面源污染农田排水和施肥过程中的农药和化肥残留是导致嘉陵江南充段水质污染的另一个重要因素。
这些农业面源污染物通过径流进入河流，增加了水体富营养化的风险。
此外，农田排水中的颗粒物也使水体浊度增加，影响水质的透亮度。
3. 城市生活污水人口增长导致城市生活污水排放量的增加，嘉陵江南充段周边的城市也不例外。
城市生活污水中包含了大量的有机物和营养物，对水质造成了一定的负面影响。
4. 养殖业废水养殖业废水对嘉陵江南充段的水质也有一定的影响。
模糊神经网络在水质评价中的研究
ｐｅ ｅｅｐ ｏ ｕ ｅ ．Ｔ ｅ ｉｓｗ ｒ ｒｄ ｃ ｄ ｈ ｎ，ｔｅｍｏ ｅ ｓａ ｐｉｄ ｔ ｓｓ ｅｑ ａｉ ｏ ａｅ．Ｔ ｅｒｓｌ ｈ ｗ ｔａ ｅｆｚｙｎ ｕ ｈ ｄｌ ｗａ ｐ ｌ ａ ｅ ｓｔ ｕ ￣ ｆ ｔｒ ｈ ｅｕｔ ｓ ｏ ｔｈ ｕｚ ｅ ・ ｅ ｏｓ ｈ ｌ ｗ ｓ ｈ ｔ
是 由于评价 因子与水质之 问呈复杂 的非 线性关系 ， 以及水体
ｌ 引言
随着经济 的快 速发 展 ， 资 源 日益 恶化 ， 污染 已呈 现 水 水
由点源污染 向面源污染发展的态势 ， 成为制 约和 困扰我 国可
污染本身具有模糊性 ， 因而影 响了评 价的精度 。 近年来兴起 的人工神 经 网络 （ Ｎ 具 有学 习逼近 任意 Ａ Ｎ） 非线性 映射 的能力 Ｊ 尤其是 Ｂ ， Ｐ神 经网络 因其具 有训练速 度快 、 结构简单 、 非线性映射能力强优点 ， 以很好地 反映评 可
关键词 ： 模糊理论 ； 相对隶属度 ； 反向传播神经网络 ； 质评价 水
中图 分 类 号 ： ３ １９ ｔ ９ ． ｐ 文 献 标 识 码 ： Ｂ
Ｗ ａｅ ａｉ ｖ ｌａｉｎ Ｂ ｓｄ ｏ ｕ ｚ ｕ ａ ｔ ｒ ｔｒＱｕ ｌｙＥ ａｕ ｔ ａｅ ｎ Ｆ ｚｙＮｅ ｒ ｌ ｗｏｋ ｔ ｏ Ｎｅ
ＮＩ Ｈｏ ｇ—ｈ ｉ Ｓ Ｕ ｎ ｕ ， ＨＡＮＧ ｎ —ｌｎ Ｙａ ｉｇ
（ ｏ ｕｅ ｅｔｒ Ａ ｙ ｎ ｏ ｌ ｎｖｒｔ， ｎａ ｇＨ ｎｎ４ ５ ０ ，Ｃ ｉａ Ｃ ｍｐｔｒ ｎｅ， ｎａ ｇＮ ｒ ｉｅｓｙ Ａ ｙｎ ｅａ ５０ ０ ｈｎ ） Ｃ ｍａ Ｕ ｉ
ＡＢＳ ＴＲＡＣＴ：Ａｍｂ ｇ ｉ ｘ ｓ ｉ ｗａｅ ｙ ｅ ａ ｄ ｃａ ｓ ｉａ ｉｎ ｓａ ｄ ｒ ｓ ｎ ｈ ｏ ｌ ｅ ｒｒ ｌｔ ｎ ｅ ｉｔ ｅｗｅ ｎ ｉ － ｉｕ ｔ ｅ ｉｔ ｎ ｔ ｒ ｐ ｎ ｌｓ ｉ ｃ ｔ ｔ ｎ ａ ｄ ，ａ ｄ ｔ ｅ ｎ ｎ ｉ ａ ｅａ ｉ ｘｓｓｂ ｔ ｅ ｎ ｙ ｔ ｆ ｏ ｎ ｏ ｌ ｎ ｅ ｆ ｃｏ ａ ｄ ｗａｅ ｕ ｌ ｙ ｈ ｅａ ｉ ｍｂ ｒ ｉ ｅ ｒ ｅｏ ｚ ｙ ｔ ｏ ｙ ａ ｌ ｒ ｆ ｃ ｈ ｕ ｌ ｙｏ ａ ｈ ｆ ｅ ｃ ａ ｔ ｒ ｎ ｔ ｒｑ ａｉ ．Ｔ ｅ ｒ ｌｔ ｅ ｍｅ ｅ ｈｐ ｄ ｇ ｅ ｆ ｕ ｚ ｅ ｒ ，ｃ ｎ ｗｅｌ ｅ ｅ ｔｔｅ ｑ ａｉ ｆｅ ｃ ｕ ｓ ｔ ｖ ｓ ｆ ｈ ｌ ｔ ｆｃｏ ‘ ｕ ｚ ｅａｉ ｅ ｓａｅ ｎ ｅ Ｂ ｅ ｒ ｅｗｏ ｋ ｉ ｏ ｒ ｎ ｏ ｌ ｅ ｎ ｙ ｉ ｂ ｌ ｙ ｈ ｅ ｐ ｐ ｒｐ ｔｆｒ ａ ｄ ａ ｔｒ Ｓｆ ｚ ｙ ｒ ｌｔ ｔｔ ，ａ ｄ ｔ Ｐ ｎ ｕ ａ ｎ ｔ ｒ ｆ ｔｏ ｇ ｎ ｎ ｉ ａ ａ ａ ｓｓａ ｉ ｔ．Ｔ ａ ｅ ｕ ｗ ｒ ｖ ｈ ｌ ｓ ｓ ｎｒ ｌ ｉ ｏ ｔｅ ｗａｅ ｕ ｌ ｙ ｅ ａｕ ｔ ｎ ｍｏ ｅ ａ ｅ ｎ Ｂ ｅ ｒ ｌ ｅ ｏ ｋ ａ ｄ ｆ ｚｙ ｔ ｅ ｒ Ｓａ ｐｉ ｄ ｔ ｉ ｍｏ ｅ ｎｏ ｐ ａ ｔ ａ ｈ ｔｒｑ ａｉ ｖ ａｉ ｄ ｌ ｓ ｄ ｏ Ｐ ｎ ｕ ａ ｔ ｒ ｎ ｚ ｈ ｏ ｙ ａ ｐ ｌ ｈｓ ｔ ｌ ｏ ｂ ｎｗ ｕ ｎ ｅ ｄ ｌｉｔ ｒｃ ｉ ｌ ｃ ｑ ａｉ ｖ ｕ ｔ ｎ ｕ ｌ ｙ ｅ ａ ａ ｉ ．Ｕｓｎ ｎ ｉ ａｏ ｓｒ ｌｔ ｅ ｍｅ ｅ ｓ ｉ ｅ ｒ ｅ ｍａｒｘ ｉ ｔｒ ｏ ａｉｎ，ａ ｎ ｕ ａ ｅｗｏ ｋ ｔ ｉｉ ｇ ｓ ｍ— ｔ ｌ ｏ ｉ ｇ ｉ ｄ ｃ ｔ ｒ ｅａ ｉ ｍｂ ｒｈ ｐ ｄ ｇ ｅ ｔ ｎ ｅ ｐ ｌ ｔ ｖ ｉ ｏ ｅ ｒ ｎ ｔ ｒ ｒ ｎ ｎ ａ ｌ ａ
神经网络在水质预测中的应用张煜
神经网络在水质预测中的应用张煜发布时间：2021-09-23T02:07:26.762Z 来源：《中国科技人才》2021年第16期作者：张煜[导读] 本文对神经网络在水质预测中相关专利申请进行了分析，为神经网络在水质检测技术领域的专利申请提供参考。
国家知识产权局专利局专利审查协作广东中心摘要：本文对神经网络在水质预测中相关专利申请进行了分析，为神经网络在水质检测技术领域的专利申请提供参考。
随着我国经济快速发展，水污染日益严重，对我国可持续发展战略的实施带来了负面影响。
为有效解决这一问题，对水资源的合理规划和综合管理势在必行。
而对水质有效的预测则是管理和维护当前水质状况的重要依据。
借助近年来迅速发展的智能方法，建立人工神经网络非线性水质预测模型，使预测水体中污染物浓度随时间发展变化成为热点，并且相应的预测模型已在水环境管理和污染控制中得到了应用。
目前国内申请专利高度热情，因而对神经网络在水质预测中专利分析很有必要。
1、模糊神经网络简介常见的水质预测模型有很多种，根据所依据的理论基础不同，水质预测模式大致可以归纳为以下 5 类：水质模拟模型预测法、混沌理论预测法、数理统计预测法、灰色系统理论预测法和神经网络模型预测法。
然而，随着人工智能算法的兴起，人工神经网络是处理模糊的非线性关系的有力工具，具有预测精度高、参数修正自动化等优良特性，对于水质预测等复杂问题研究，具有很好的适用性。
神经网络是一种各神经元分布式并行处理信号的机器学习技术。
以人脑为模型，由大量的节点(神经元)相互连接构成复杂的网络。
每个神经元的对信号的处理可以看做是一种数学处理，称为激活函数。
而神经元之间传递信号则可看作是对其的加权值。
如图 1 所示为具体神经元结构和功能。
包括前馈型神经网络和反馈型神经神经网络。
前馈神经网络的整个网络分三种层，输入层、隐含层和输出层，是一种单向多层网络。
其中输入和输出为单层，中间的隐含层可以是多层。
网络中信息传递方向是单向的，整个网络中无反馈。
基于模糊神经网络的水质预测模型研究
基于模糊神经网络的水质预测模型研究一、研究背景水质预测是一种关键性的工作，其可以保证水资源的安全与合理利用。
然而，由于水环境受到人口增长、工业化和农业化等因素的影响，许多地区的水质状况正在恶化。
因此，发展一种可靠的水质预测模型具有重大意义。
为满足水环境保护的实际需求，基于模糊神经网络的水质预测模型研究正日益受到关注。
二、模糊神经网络简介模糊神经网络是神经网络的一种扩展形式，其结构类似于神经元，但是其激活函数不是阶跃函数，而是模糊逻辑运算。
模糊神经网络主要由输入层、隐层和输出层组成，其中隐层连接权值可以用聚类算法进行获得，其训练过程需要使用到反向传播算法。
模糊神经网络具有自适应调节和非线性逼近功能，使得其对非线性系统建模有着极高的准确度。
三、水质预测模型的建立水质预测模型可以采用模糊神经网络进行建立。
模型建立的关键是选择适当的输入变量和输出变量。
在进行水质预测时，通常选择水质监测点的水温、溶解氧、化学需氧量、氨氮等指标作为输入变量，水质评价结果作为输出变量。
在网络的训练过程中，需要加入一定的随机噪声以增强模型的泛化能力。
四、实例分析为了验证所建立水质预测模型的准确性，本实验选择了某水库水质检测数据作为数据来源。
首先，将样本数据分为训练集和测试集两部分，其中训练集占总样本数的70%，测试集占30%。
接着，用训练集数据进行网络训练，并用测试集数据进行验证。
最终得出的预测结果表明，该模型具有较高的预测准确性和较好的泛化能力。
五、结论基于模糊神经网络的水质预测模型在水质状况的快速评估和监测中具有广阔的应用前景。
本研究提出的水质预测模型具有较高的预测准确性和泛化能力，可以帮助人们更好地保护水环境和保障人民健康。
在实际应用中需要继续优化模型结构和参数，进一步提高其精度和稳定性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
目录1 绪论 (2)1.1 选题背景和研究意义 (2)1.2 神经网络与模糊系统 (3)1.3 文本研究内容和研究思路 (3)2 模糊神经网络的基本原理 (5)2.1 模糊神经网络概述 (5)2.2 模糊系统和神经网络结合的可能性 (5)2.2.1 人工神经网络与模糊系统的相同之处 (6)2.2.2 人工神经网络与模糊系统的不同之处 (6)2.2.3 人工神经网络与模糊系统结合意义 (8)3模糊神经网络模型的结构和原理 (9)3.1 模糊神经网络模型构建 (9)3.2 模糊神经网络学习算法 (10)3.3 模糊神经网络水质评价 (10)4 总结与展望 (14)4.1总结 (14)4.2 展望 (14)参考文献 (15)致谢 (16)附录 (17)第 1 页1 绪论1.1 选题背景和研究意义随着经济的快速发展，水资源日益恶化，水污染已呈现由点污染向面污染发展的趋势，成为制约和困扰我国可持续发展的一大障碍。
治理污染的水环境和防止水资源被进一步恶化，已经成为当前迫切需要解决的问题。
水质评价是以定量的方式对水环境的质量进行综合的评价，是水环境管理保护和污染治理的一项基础性工作，医务室近年来的研究热点。
当前我国水污染已经得到了有关部门的重视，并且水污染治理工作中所需的硬件设施以及科学技术的不断完善为水污染治理工作起到了重要的支撑作用。
应当认识到水质分析是水污染治理工作中的基础内容，对水质进行科学的分析，能够预防水污染事件的出现，尤其是预防突发性水污染事件的发生，同时在水污染事件发生后能够对水污染程度做出合理的判定，对水污染处理的措施以及方案能够提供必要的依据。
同时居民生活饮用水的水质也影响着人们的身体健康，对饮用水进行必要的水质监测与分析能够确保引用水的质量。
所以水质分析不仅是水污染处理中贯彻以预防为主方针的重要途径，也是水污染处理工作中的重要内容。
传统的水质评价方法有评分法，比质法，统计法等，这些传统的水质评价方法受人为的主观因素的制约，从而影响可评价的精度。
近年来许多学者提出了一个新的评价模型，如聚类发，经济分析法，灰色关联法，关联分析法等的，这些方法比较传统的方法，评价的精度有了较大幅度的提高，但是由于评价因子与水质之间呈复杂的非线性关系，以及水体污染本身居于模糊性，因而影响了评价的精度。
近年来兴起的人工神经网络具有学习逼近任意非线性的能力，模糊理论是一新的学习方法，模糊理论中的相对隶属度能很好的对水质的模糊性进行解释，能清晰地反映水质各因子的质量相对状态，从而确定水质污染影响最大的因子。
水质评价方法是评价理论的核心及水污染控制系统的一个重要环节，是现代环境科学基础理论研究的重要课题之一。
然而如何才能客观地、准确地反映水体环境质量状况，其关键在于合理的选择与建立评价方法和数学模型。
水质的清洁与污染这一对立观念之间，在划分过程中并不存在绝对分明的界限，具有中介过渡性，这是客观存在着的模糊概念。
水质评价的模糊性，是水体质量在清洁与污染的划分过程中所呈现的亦此亦彼性。
由于水质评价涉及到许多模糊概念，如“水质污染程度”就是一个模糊概念，从而作为评价污染程度的分级标准也是模糊的，而水质分级线也是一个模糊的界线，因而有必要用隶属度来描述它。
用模糊理论与方法，比传统评价方法更符合现象的实际，使水质评价的理论与方法建立在比较严谨的数学逻辑基础上。
1.2 神经网络与模糊系统神经网络(Neural Network,简称NN)是由众多简单的神经元连接而成的网络。
尽管每个神经元结构、功能都不复杂,但网络的整体动态行为极为复杂,可组成高度非线性动力学系统,从而可表达许多复杂的物理系统。
神经网络的研究从上世纪40年代初开始,目前,在世界范围已形成了研究神经网络前所未有的热潮。
它已在控制、模式识别、图像和视频信号处理、金融证券、人工智能、军事、计算机视觉、优化计算、自适应滤波和A/D变换等方面获得了应用。
模糊系统(Fuzzy System,简称FS)是仿效人的模糊逻辑思维方法设计的系统,方法本身明确地说明了系统在工作过程中允许数值量的不精确性存在。
模糊数学自1965年诞生至今已有40多年的历史,它在理论上还处于不断发展和完善中。
它是用精确的数学理论研究人类思维的模糊性,其最基本的概念是隶属度。
用隶属度来描述某一对象或称为元素属于某一论域者称为集合的程度,这样既能准确描述人类思维中的模糊性,又能被计算机理解。
目前,它已广泛应用于计算机科学、自动控制、系统工程、环保、机械、管理科学、思维科学、社会科学等领域1.3 文本研究内容和研究思路随着我国工农业的迅速发展和城市化进程，工业废水和生活污水排放量日益增加，湖泊河流等开发活动加剧，加之人们一个时期以来，环保意识淡薄，全国性的湖泊河流污染及富营养化问题不断出现和发生。
截止至1997年底，我国各类水体82％左右的河段受到不同程度的污染，其中大约39％的河段污染严重，70％以上的城市河段达不到饮水水源的标准，50％的城市地下水浑浊不清，长江、珠江等七大水系水质持续恶化，湖泊水库普遍受到污染。
根据2009年我国环境保护部公布的数字表明，全国地表水污染依然很严重。
2007年，在我国七大水系197条河流407个重点监测断面中，I～Ⅲ类水质占49．9％，IV、V类水质占26．5％，劣V类水质占23．6％。
其中，松花江为轻度污染，淮河、黄河为中度污染，海河、辽河为重度污染。
为了应对水质的急剧变化，对水质的分析是相当必要的。
在水文、水利工作中，水质分析的定义为通过物理学、化学以及生物学方法对水质样品的水质参数的性质、含量、形态以及危害进行定性与定量分析。
水质是指水资源的质量，地球上的水资源循环包括自然循环与社会循环两种，自然循环的过程是在地球引力以及太阳辐射的作用下以不同的流动、蒸发、降雨等形式构成，而社会循环则是指人们为了满足社会发展的需要，从自然界中开发水资源进行利用，使用后的废水或污水又重新排放入水资源当中。
社会循环对水质造成的问题主要体现为水污染，水污染问题已经得到了我国社会以及政府部门广泛的重视，而自然循环同样会因为水资源中混入杂质而使水资源产生水质的变化，所以水质分析的对象不仅包括受到污染的水资源，同时包括自然循环中的水资源。
水质分析的任务在于通过对水资源的鉴定来了解水资源是否能满足用水的需求，同时指导水处理工程的建设以及水污染控制的决策。
水体污染使得城市居民的饮水安全和身体健康遭受到严重威胁，不仅加剧了水体资源短缺的矛盾，也对我国的可持续发展战略带来了严重的负面影响。
水体污染导致的富营养化的危害也是多方面的，它可以使水体变得腥臭难闻，降低水体透明度，影响水体中的溶解氧，向水体释放有毒物质，影响供水质量，增加供水成本，加速湖泊衰亡。
因此水质分析的意义重大，可为水体污染的治理提供科学依据。
模糊神经网络最基本的概念是它的隶属度和模糊隶属度的函数，其中，隶属度是指元素u属于模糊字迹f的隶属程度，用μf(u)表示，他说一个在[0，1]之间的数，μf(u)越接近于0，表示u属于模糊子集f的程度越小；越靠近1，表示u隶属于f的程度越大。
模糊隶属度函数是用于定量计算元素隶属度的函数，模糊隶属度函数一般包括三角函数，梯形函数和正态函数等2 模糊神经网络的基本原理2.1 模糊神经网络概述1965年美国L .A .Zadeh教授著名的《模糊集合》一文的发表，标志了模糊数学的诞生并很快发展起来。
模糊数学诞生后，开始并未引起西方的普遍重视，反而遭到不少学术权威的批评和否定，认为是对科学的精确性和严格性的冒犯。
由于东西方文化的差异，日本、中国、印度等东方国家很容易接受模糊数学，认为这是很自然的事。
1974年，印度裔的英国学者E. H. Mamdani首先将模糊理论用于锅炉和蒸汽机的控制，并在实验室作了成功的实验，不仅验证了模糊理论的有效性，也开创了模糊控制这一新的领域。
1984年，国际模糊系统联合会(International FuzzySystem Association, IFSA)成立，并于1985年召开了首届年会。
80年代后期以来，在日本采用模糊控制技术的家电产品大量上市，模糊技术在地铁机车、机器人、过程控制、故障诊断、声音识别、图像处理、市场预测等领域普遍应用，掀起了一股模糊热。
模糊理论在日本的成功应用和巨大的市场前景给西方的企业界和科技界以巨大的震动，现实使他们由怀疑观望转变为奋起直追。
80年代以来信息科学技术飞速发展，网络化、智能化、综合化成为时代的特征，为模糊理论的发展和应用提供了更广阔的需求，模糊理论在学术界也得到普遍的认同和重视。
1992年IEEE召开了第一届关于模糊系统的国际会议(FUZZ-IEEE，并决定以后每年举行一次。
1993年IEEE创办了专刊IEEE Transaction on Fuzzy Systems。
当前，模糊理论和应用正向深度和广度进一步发展，且速度越来越快，研究成果大量涌现，己成为世界各国高科技竞争的重要领域之一。
模糊神经网络(Fuzzy Neural Network，简称FNN)是近年来智能控制与智能自动化领域的热点，美国早在1988年就召开了由NASA(国家航天航空局)主持的“神经网络与模糊系统”的国家研讨会，其后模糊神经网络的研究在美国、日本、法国、加拿大等国蓬勃开展起来，成果大量涌现。
1992年IEEE召开了有关模糊神经网络的国际会议，美国南加州大学的B . Kosko出版了该领域的第一本专著《神经网络与模糊系统》，模糊数学的创始人Zadeh和神经网络的权威Anderson 分别为该书作序，在国内外引起极大影响。
通过一组神经元不同程度的兴奋表达一个抽象的概念值，由此将抽象的经验规则转化成多层神经网络的输入一输出样本，提出模糊逻辑控制和决策诊断系统综合神经网络模型，该模型能发展为模糊逻辑规律和寻找最优输入输出隶属函数，由自组织和监督学习方案相结合，学习速度收敛性比普通BP学习算法更快。
还有许多研究人员对神经网络自适应模糊控制进行了研究和设计。
当前，模糊神经网络的研究热潮方兴未艾，并已取得了很多理论和应用成果。
2.2 模糊系统和神经网络结合的可能性模糊神经网络使得神经网络“黑箱”问题走向透明化，即可以将许多能够用规则描述的因果关系用模糊神经网络的输入输出关系实现。
模糊系统的显著特点是它能更自然而直接地表达人类习惯使用的逻辑含义，很适用于直接的或高层的知识表达。
但是，难以用它来表不时变知识和过程;而神经元网络则能通过学习功能来实现自适应，自动获得精确的或模糊的数据表达的知识。
但是，这种知识在神经元网络中是隐含表达的，难以直接看出其含义，从而不能直接对其进行语义解释。
可见两者各有优缺点。
不难发现，它们的优缺点在一定意义上是互补的，即模糊系统比较适合在设计智能系统时自顶向下的分析和设计过程，而神经元网络则更适于在已初步设计了一个智能系统之后，自底向上地来改进和完善系统的过程。