基于數(shù)據(jù)與知識(shí)的模糊系統(tǒng)設(shè)計(jì)與應(yīng)用研究.pdf

1、自從模糊集合的概念出現(xiàn)以來(lái)，由于其能夠充分地利用人類(lèi)或?qū)＜抑R(shí)來(lái)處理系統(tǒng)中存在的各種不確定性，使其在各個(gè)研究領(lǐng)域中得到了越來(lái)越多的應(yīng)用。特別是模糊邏輯系統(tǒng)，已廣泛應(yīng)用于建模和控制領(lǐng)域。然而，在系統(tǒng)建?；蚩刂七^(guò)程中，當(dāng)輸入變量維數(shù)較高時(shí)，模糊邏輯系統(tǒng)不可避免地面臨規(guī)則爆炸問(wèn)題，在這種情況下，很難實(shí)現(xiàn)模糊規(guī)則的建立以及系統(tǒng)參數(shù)的優(yōu)化。為解決以上問(wèn)題，本文提出了基于數(shù)據(jù)與知識(shí)的模糊系統(tǒng)的設(shè)計(jì)方法，其主要研究?jī)?nèi)容如下：
　　首先，詳細(xì)介紹

2、了單輸入規(guī)則模塊加權(quán)模糊推理系統(tǒng)的結(jié)構(gòu)及其單調(diào)性性能，并在此基礎(chǔ)上,提出了一種基于數(shù)據(jù)與知識(shí)的單輸入規(guī)則模塊加權(quán)模糊推理系統(tǒng)的設(shè)計(jì)方法。該方法在嵌入知識(shí)的基礎(chǔ)上，運(yùn)用基于數(shù)據(jù)的參數(shù)學(xué)習(xí)策略對(duì)系統(tǒng)的參數(shù)進(jìn)行優(yōu)化。將該方法應(yīng)用于熱舒適性預(yù)測(cè)，仿真和比較結(jié)果證明了該方法對(duì)于熱舒適性預(yù)測(cè)的有效性，并且比一些其他現(xiàn)有方法表現(xiàn)得更好。
　　其次，研究了單輸入規(guī)則模塊加權(quán)模糊推理系統(tǒng)的擴(kuò)展結(jié)構(gòu)—函數(shù)形單輸入規(guī)則模塊模糊推理系統(tǒng)(FSIRM-FI

3、S)，并在此基礎(chǔ)上加入神經(jīng)結(jié)構(gòu)，提出了一種函數(shù)型單輸入規(guī)則模塊加權(quán)神經(jīng)模糊系統(tǒng)(FSIRMNFS)，此系統(tǒng)結(jié)合了FSIRM-FIS和神經(jīng)網(wǎng)絡(luò)兩者的優(yōu)點(diǎn)。同時(shí)，為了得到系統(tǒng)的最小訓(xùn)練誤差和最佳參數(shù)，提出了一種基于最小二乘法的參數(shù)學(xué)習(xí)算法。將提出的FSIRMNFS及其參數(shù)學(xué)習(xí)算法應(yīng)用于小時(shí)風(fēng)速預(yù)測(cè)，仿真和比較結(jié)果驗(yàn)證了該系統(tǒng)對(duì)于小時(shí)風(fēng)速預(yù)測(cè)的有效性。
　　最后，提出了一種數(shù)據(jù)驅(qū)動(dòng)的二型模糊邏輯系統(tǒng)的構(gòu)建方法。首先通過(guò)自適應(yīng)神經(jīng)模糊推理