神经模糊系统经常被用来对非线性系统建模,并能取得很好的效果。以往的模糊系统建模方法存在着模糊规则个数难以确定,规则冗余和受噪声影响等问题,这些问题阻碍了模糊系统的应用。本文提出基于动态阂值DENCLUE和相似规则合并的神经模糊系统建模算法DDTSRM (DENCLUE using Dynamic Threshold and Similar Rules Merging)。首先在DENCLUE算法的基础上,使用动态阈值来合并密度吸引子,提出DDT算法。然后DDTSRM利用DDT算法不依赖初始参数的特点,解决了模糊规则个数难以确定的问题。同时利用DDT算法可以得到任意形状和密度的聚类结果的特性,提高了模糊系统模型的准确性。在DDT算法得到的模糊模型后,DDTSRM通过计算模糊集合之间的相似度来辨识样本噪声和减少规则冗余,使模糊系统模型结构得到优化。最后利用BP算法对系统模型进行训练,进而提高系统的建模精度。本文以S-Y模糊系统模型为原型,在两输入一输出的非线性函数和Box-Jenkins数据上进行了仿真实验。实验表明DDTSRM算法在模糊系统模型建模方面解决了规则个数难以确定和规则冗余等问题,取得了更精确的建模效果。本文还将基于密度聚类的神经模糊建模应用于混沌时间序列的预测,避免了复杂的数学解析式的寻找,利用DDTSRM算法对Mackey-Glass时间序列进行仿真并取得了较好的预测效果。