结构元线性生成的模糊线性微分系统

主要目的是利用模糊结构元方法来解决模糊线性微分系统的模糊初值问题.首先，简单地介绍了模糊结构元方法，根据该方法定义了线性生成的模糊线性微分系统.其次，利用由模糊结构元线性表示的模糊值函数和模糊值函数的导数，研究了模糊线性微分系统的求解问题，给出了系统解存在的充要条件.最后，将给出一个实际例子，进一步表明了该方法的有效性.     

线性生成的完全模糊线性微分系统

基于模糊结构元方法, 定义了模糊数和模糊值函数的乘法运算, 研究了由对称模糊结构元线性生成的完全模糊线性微分系统的求解问题, 给出了系统解存在的充要条件, 得到了结构元线性生成的齐次、 非齐次的完全模糊线性微分系统求解方法．同时, 给出了这类模糊线性微分系统在经济、军事领域的实际应用．     

自适应线性核时频信号分析

分析了多元Chirp信号在模糊域的交叉项分布特点,提出了一种自适应线性核时频表示方法.该方法在模糊域采用巴特沃什型核函数,依据信号的模糊函数自适应地选取核函数的参数.仿真实验对比了自适应线性核时频表示与其它时频表示方法的性能,说明本方法在提高分时频分辨力、消除交叉项,以及抑制噪声方面有较高的性能.理论分析和仿真实验证实了本方法的有效性.     

非线性滤波和预测的Fuzzy线性加权估计

运用模糊的理论，对非线性系统识别参数估计的不确定性造成的“模糊”问题，估计值得不到精确解，回归效果较差。使用Ｆｕｚｙ线性加权估计非线性系统识别中的变量值，能较好地解决线性回归和状态“模糊”的问题。     

短时交通流量智能组合预测模型及应用

提出了一种新的短时交通流量智能组合预测模型.该智能组合模型包含三个子模型:卡尔曼滤波模型、人工神经网络模型和模糊综合模型.卡尔曼滤波模型利用卡尔曼滤波方法良好的静态线性稳定特性,采用线性迭代方式对交通流量进行最优估计.人工神经网络模型利用其强大的动态非线性映射能力,对动态交通流量的预测具有较高的精度和满意度.模糊综合模型采用模糊方法来综合这两个单项模型的输出,并把它的输出作为整个组合模型的最终交通流量预测值.实际应用表明:该组合模型的预测精度高于单项预测模型各自单独使用时的精度,发挥了两种模型各自的优势,是短时交通流预测的一种有效方法.     

模糊线性回归及其应用实例

本文首先探讨了模糊线性回归模型的理论与方法,然后建立了天津市自来水行业职工人数预测模型,根据社会和经济发展目标,预测出天津自来水行业未来职工总人数。本文提出的方法与模型具有普遍意义与实用价值。     

基于Takagi—Sugeno模糊模型的模糊非线性规划问题

Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊模型的本质在于：一个整体的非线性动力学模型可以看成 多个局部线性模的模糊逼近。     

线性核时频信号分析方法研究

根据chirp信号在模糊域的特点,本文提出了线性核时频表示方法。这种方法在提高分辨率、消除交叉项以及抑制噪声等方面都具有较高的性能,理论分析和实验结果都证实了这种方法的有效性。     

基于模糊函数的LFM UWB雷达信号滑动平均波达方向估计

针对线性调频类超宽带雷达信号的线性时频特性,提出了基于2阶统计量——信号模糊函数的线性调频类超宽带雷达信号波达方向估计算法,通过分析仿真证明该方法优于传统方法。根据分析指出循环平稳算法与模糊函数算法之间的关系,介绍了循环平稳算法对基于窄脉冲形式的无载波超宽带雷达信号DOA估计的有效性。系统完整地论述了超宽带雷达信号DOA估计算法。     

T-S模糊系统的一种新型PDC鲁棒模糊控制器设计

针对一类模有界的参数不确定Takagi-Sugeno(T-S)模糊系统,在分析模糊系统前提规则结构的基础上,设计了一种新的并行分配补偿(PDC)控制器,研究了其鲁棒控制问题。基于分段Lyapunov稳定性理论,导出了线性矩阵不等式(LMI)形式的鲁棒控制器设计方法。该方法充分利用了模糊系统隶属度函数的结构信息,降低了采用线性矩阵不等式方法求解的难度。仿真实验证明,通过该方法设计的模糊控制系统,具有良好的鲁棒性能,控制效果良好。     

Fuzzy控制预报模型及其应用

论述了 Fuzzy控制预报模型的建模方法 ,并探讨了该模型在麦长管蚜发生期预报中的应用 :我们将麦长管蚜发生期的预报过程拟成一个 Fuzzy控制系统 ,预报因子作为系统的输入 ,预报对象作为系统的输出 ,根据历年系统观测资料 ,建立了 Fuzzy控制预报模型 .对历史资料进行回代验证 ,其历史拟合率达 1 0 0 %.将 1 995年观测数据作为独立样本进行试报 ,预测结果与实际一致 .     

参数自适应的长期IFTS预测算法

针对模糊时间序列预测理论多局限于短期时间范围预测以及对不确定数据集模糊变化趋势描述和论域区间划分研究不足的问题,构建了参数自适应的长期直觉模糊时间序列预测模型。新模型通过引入滑动窗口机制和参数自适应的直觉模糊C均值聚类算法优化论域区间划分,利用矢量预测技术解决时间序列长期范围预测误差积累的问题,有效地提高了复杂环境下时间序列长期趋势预测的精度,扩展了直觉模糊时间序列预测理论的应用范围。最后,通过典型实例验证了该方法的有效性和优越性。     

一种新的基于模糊模型的非线性组合预测方法及其应用

针对线性组合预测方法的局限性，提出了一种基于T－S模糊模型的非线性组合预测新方法，并给出了相应的反向传播学习算法．理论分析和应用实例表明：该方法具有很强的学习与泛化能力，在处理诸如非线性系统中时间序列的组合建模与预测方面有很好的应用价值．     

企业财务危机非线性组合预测方法及实证

针对组合预测比单项预测具有更高的预测精度,而线性组合预测方法在建模与预测方面存在着较大的局限性,提出了一种基于模糊神经网络的预测上市公司财务危机的非线性组合建模与预测方法,并给出了相应的混合学习算法。通过与多元线性回归模型、Fisher模型和Logistic回归模型的预测结果对比表明,该方法具有预测精度高、学习与泛化能力强和适应性广的优点。     

基于直觉模糊推理的直觉模糊时间序列模型

由于受到模糊集理论的限制,模糊时间序列预测理论在不确定数据集的描述上有失客观,针对这种局限性,提出一种直觉模糊时间序列预测模型。应用模糊聚类算法实现论域的非等分划分;针对直觉模糊时间序列的数据特性,提出一种更具客观性的隶属度和非隶属度函数的确定方法;提出一种基于直觉模糊近似推理的模型预测规则。在Alabama大学入学人数和中国社会消费品零售总额数据集两组数据集上分别与典型方法进行对比实验,结果表明该模型有效提高了预测精度,证明了模型的有效性和优越性。     

模糊预测模型

预测必须以一定的数据、经验为基础。但在客观上,许多情况下的数据往往不够精确,观测值对真实值的逼近程度也不同,甚至在许多情况下得不到数据而不得不依靠人的经验定性判定。因此,基于FUZZY数的FUZZY预测方法有着特殊的意义,本文对一种正态型FUZ-ZY数模糊预测模型及其求解方法进行了研究,考虑了统计数据与专家经验作为综合预测信息的问题,同时又可以充分利用传统预测方法(模型)。在很多情况下该方法是行之有效的。     

基于集成智能方法的电力短期负荷预测

将自组织(SOM)和反向传播(BP)两种神经网络结合起来, 并使用模糊理论, 建立了一种基于集成智能方法的日负荷预测智能模型, 该模型首先利用SOM网络的竞争学习能力将历史数据分成若干类别从而找出与预测日同类型的预测类别. 然后, 把温度、日类型等不确定性扰动因素分离出去, 利用BP算法的非线性函数逼近功能, 完成电力负荷的基本分量部分的预测工作. 在处理温度、天气情况、日类型等不确定因素对负荷的影响时, 采用模糊逻辑理论对负荷基本分量进行修正. 提出了一种基于进化树的自组织神经网络算法(SOETA), 该算法是一种无监督基于二叉树的自组织特征映射网络模型, 采用进化思想进行无监督学习, 具有灵活的拓扑结构和精确的模式识别. 本文以2007年厦门市的电力负荷数据为例, 试验结果表明, SOETA+BP+模糊理论的预测精度最优, 有效提高了电力短期负荷预测精度.     

Research on the Method of Nonlinear Combining Forecasts based on Fuzzy System

1　ＩｎｔｒｏｄｕｃｔｉｏｎＯｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｆｕｎｃｔｉｏｎｓｏｆｍａｎａｇｅｍｅｎｔａｔａｌｌｌｅｖｅｌｓｉｎａｎｏｒｇａｎｉｚａｔｉｏｎｉｓｐｌａｎｎｉｎｇ ,ａｎｄｆｏｒｅｃａｓｔｓｐｌａｙａｋｅｙｒｏｌｅｉｎｔｈｅｐｌａｎｎｉｎｇｐｒｏｃｅｓｓ .Ｍａｎａｇｅｍｅｎｔｎｅｅｄｓｔｏｒｅｄｕｃｅｔｈｅｒｉｓｋｓａｓ ｓｏｃｉａｔｅｄｗｉｔｈｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ,ａｎｄｏｎｅｏｆｔｈｅｗａｙｉｎｗｈｉｃｈｔｈｉｓｃａｎｂｅｄｏｎｅｉｓｂｙａｎｔｉｃｉｐａｔｉｎｇ…     

基于模糊分类-灰色马尔可夫的陀螺仪漂移预测

针对标准灰色马尔可夫预测模型抗干扰能力差的局限性,提出了一种基于模糊理论和灰色马尔可夫模型的预测方法。将模糊理论引入预测模型中,从分类方法上对标准灰色马尔可夫模型进行改进,该算法可以有效提高灰色马尔可夫预测模型的预测精度。将这种方法用于某型导弹陀螺仪的漂移预测中,实验证明了这种方法的有效性和可行性。     

基于多属性模糊Petri网的知识化制造系统产品需求预测

为强化模糊Petri网的知识表示能力, 提出了一种多属性模糊Petri网(AFPN), 即在模糊Petri网的基础上, 为每个库所及权值赋予与实际系统相对应的多个属性, 以简单模型结构完成具有多个属性的系统的建模．利用知识化制造系统的知识库, 对多属性模糊Petri网进行属性分解、属性合并以及训练更新, 并对不规则模型进行规则化, 可以在原有产品的AFPN模型基础上简单快速建立后续产品的AFPN新模型．在产品需求预测的实例中, 采用原材料和产品的各需求相关因素建立产品的需求预测AFPN, 实现了产品需求的快速预测．