基于模糊神經網絡智能預測模型的設計與實現

摘 要：針對智能決策支持系統中經常遇到的預測類問題，根據人工神經網絡和模糊邏輯系統的各自特點，設計一種模糊神經網絡模型，將模糊系統用類似于神經網絡的結構表示，再用相應的學習算法訓練模糊系統實現模糊推理。并對此模型進行預測驗證和編程實現。

關鍵詞：智能決策支持系統；人工神經網絡；模糊邏輯系統；模糊神經網絡

中圖分類號：TP183 文獻標識碼：B

文章編號：1004-373X(2008)02-084-03

Design and Realization of Intelligent Prediction Model Based on Fuzzy Neural Network 

YAN Hongrui，MA Liju

(The PLA Military Represent Office in No.847 Factory，Xi′an，710043，China )[HJ1*3][HJ]

Abstract：For the predicting problems that the intelligent decision support system often encounters，according to the characters of artificial neural network and fuzzy logic system，a kind of fuzzy neural network model is designed.Firstly，the fuzzy logic system for realizing fuzzy prediction is expressed by the construction of artificial neural network.Then the fuzzy logic system is trained by associate studying algorithms.At last，the model of fuzzy neural network has been proved by practice and realized in program.

Keywords：intelligent decision support system;artificial neural network;fuzzy logic system;fuzzy neural network

智能決策支持系統\\[1\\]（Intelligent Decision Support System，IDSS）是以管理科學、運籌學、控制論和行為科學為基礎，以計算機技術、仿真技術和信息技術為手段，面對半結構化的決策問題，輔助支持中、高層次策者決策活動的、具有智能作用的計算機網絡系統。神經網絡和模糊邏輯是智能決策支持技術應用于信息管理后迅速發展的智能技術，在決策預測領域頗有成效。本文根據人工神經網絡和模糊邏輯的特點，設計一種模糊神經網絡完成決策支持系統中的信息預測功能，較好地解決了決策支持系統的實用化問題。

1 人工神經網絡與模糊邏輯系統介紹

1.1 人工神經網絡

2 模糊神經網絡模型的設計與實現

2.1 模糊神經網絡模型的選定

由以上介紹可知，在預測領域中，模糊邏輯具有較強的結構性知識表達能力，能較好地表示用語言描述的經驗知識、定性知識，但通常不具備學習能力，只能主觀地選擇隸屬度函數和模糊規則。神經元網絡具有強大的自學習能力和數據直接處理能力，但網絡內部的知識表達方式不清楚，在學習時只能從任意初始條件開始，其學習的結果完全取決于訓練樣本。

本文將神經網絡的學習算法與模糊邏輯理論結合起來，利用正規化模糊神經網絡(NFNN)實現模糊邏輯系統；用模糊規則表示神經網絡，用預先的專家知識以模糊規則的形式初始化，用神經網絡的學習算法訓練模糊系統，然后結合神經計算的特點實現推理過程。

2.2 模糊神經網絡模型的結構

本文采用一個3層的前向網絡(如圖3所示)來構造模糊系統（見圖3）。這樣模糊神經網可以用通用的三層模糊感知器來表示，該模糊感知器定義如下：

(1) U=∪i∈NUi是一個非零的神經元集合，N={1，2，3}是U的索引值集合，對所有的i，j∈N且滿足為輸入層，為規則（隱含）層，為輸出層；

2.4 模糊神經網絡的編程實現

系統主要通過4個類來描述神經網絡模型。他們是神經元類、神經元權類、神經元層類、神經元網絡類。神經元類的作用是模擬單個神經元的數據結構和計算過程。神經元權值類用于保存神經元之間連接的權值。神經元層類的作用是生成每一層的神經元，并進行每一層的計算，他接受神經元網絡類的調用，并調用神經元類的函數實現每一層的計算。神經元網絡類定義了整個神經網絡結構和所有的網絡操作，他提供公共函數給應用程序調用，他的計算函數調用神經元層類和神經元類的函數進行網絡計算。

通過4個類的描述，將建立和運行神經網絡所需的主要數據結構和計算過程做了定義。當程序運行時，首先由應用程序生成神經網絡類實例，然后此網絡類實例進行層類實例的建立，接下來層類實例建立每層的神經元實例。同時，神經網絡類也從外部文件讀取網絡結構的連接和權值數據，供建立網絡時使用。

3 模糊神經網絡的預測驗證

模糊神經網絡的預測驗證如表1所示。

4 結 語

模糊神經網絡模型把神經網絡的學習算法與模糊邏輯理論相結合，將模糊系統用類似于神經網絡的結果表示，再用相應的學習算法訓練模糊系統，通過樣本的學習算法提高網絡性能。此模型曾經用于某軍事模擬對抗系統中戰場態勢的預測，成功地實現了該模型的預測功能。但是模糊推理機是基于知識庫中的知識和規則進行推理的，如何建立具有專家經驗和知識的知識庫，是模糊神經網絡模型應用中的難點和重點。如何建立實用的知識庫

以及決策過程中存在許多不確定性因素等問題還有待于進一步研究。

參 考 文 獻

［1］George M Marakas.21世紀的決策支持系統[M].朱巖，譯.北京：清華大學出版社，2002.

［2］Martin T Hagan，Howard B Demuth，Mark H.Beale.神經網絡設計\\[M\\].戴葵，譯.北京：機械工業出版社， 2003.

［3］劉有才.模糊專家系統原理與設計[M].北京：北京航空航天大學出版社，2003.

［4］張乃堯，閻平凡.神經網絡與模糊控制[M].北京：清華大學出版社，1998.

［5］高雋.人工神經網絡原理及仿真實例[M].北京：機械工業出版社， 2003.

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。