模糊神经网络(Fuzzy Neural Network,FNN)是一种兼具人工神经网络(Artificial Neural Network,ANN)的非线性分析能力与模糊系统的模糊推理能力的网络模型。FNN针对人脑思维的模糊性特点,利用数值化信息构建特定的非线性映射以实现对模糊事物的识别和判断,是一种能够适用于更复杂问题和更广泛领域的高级信息处理系统。然而,现有的FNN在内部动态信息传递与结构自适应调整过程中仍存在着诸多尚未解决的研究难题,在一定程度上限制了FNN的建模能力与应用领域。因此,研究能够自适应传递网络内部信息与自组织调整网络结构的FNN具有重要的意义。为解决以上研究难题,本文通过研究和分析FNN的动力学特性,提出了一种基于多元时间序列分析的自组织递归模糊神经网络(Self-organizing Recurrent Fuzzy Neural Network based on Multivariate Time Series Analysis,MTSA-SORFNN)模型。该模型通过小波变换-模糊马尔可夫链(Wavelet Transform Fuzzy Markov Chain,WTFMC)算法将预测因子引入到递归层中,增强了网络的递归环节的适应性;同时,采用加权动态时间弯曲(Weighted Dynamic Time Warping,WDTW)算法与敏感度分析(Sensitivity Analysis,SA)算法分别从局部与整体对网络的结构进行评估与优化;最后,将该网络模型应用于基准非线性问题的预测,并设计开发了污水处理关键出水参数软测量智能系统。实验结果表明,MTSA-SORFNN在收敛速度和建模精度上都展现出了较好的性能,实现了对基准非线性问题与污水处理关键水质参数的准确预测。论文的主要研究工作和创新点如下:(1)基于WTFMC算法的递归机制设计研究。针对自组织递归模糊神经网络(Self-organizing Recurrent Fuzzy Neural Network,SORFNN)的递归量难以自适应的问题,提出了一种基于WTFMC算法的递归机制。首先,在时间维度上记录隐含层神经元的模糊逻辑规则以构建多元时间序列(Multivariate Time Series,MTS);其次,通过小波变换分解此MTS,并结合模糊马尔可夫链预测分解后得到的子序列变化趋势;最后,合并预测值并完成网络递归层的计算。实验结果表明,该递归机制可以探知网络的内部变化规律,有效地提高了网络的收敛速度。(2)基于WDTW-SA算法的自组织机制设计研究。针对SORFNN的结构难以确定的问题,提出了一种基于WDTW-SA算法的自组织机制。首先,在时间维度上记录隐含层神经元的模糊逻辑规则以构建MTS;其次,采用WDTW算法计算MTS间距以分析神经元之间的相关性,根据相关性评价指标对神经元进行合并;同时,结合SA算法计算该段时间的神经元的累计贡献度,根据贡献度评价指标对神经元进行分裂与删减。实验表明该自组织机制能够获得更紧凑的网络结构,并有效地提高了网络的预测精度。(3)SORFNN的结构参数调整策略设计研究。为了保证SORFNN在结构变化时的稳定性,提出了一种结构参数的调整策略。首先,针对神经元的合并阶段、分裂阶段和删减阶段分别设计了相应的参数调整算法;其次,设计了相应的阈值调整策略以提高网络的结构优化效率;最后,通过收敛性分析,证明了网络在该结构参数调整策略下的输出稳定性,避免了网络的震荡。(4)污水处理关键出水参数软测量智能系统设计研究。针对污水处理中关键出水参数检测工艺复杂且实时测量困难等问题,设计并开发了一种以MTSA-SORFNN模型为理论基础的污水处理关键出水参数软测量智能系统。根据系统需求分析,将其分为用户管理、数据采集、氨氮预测和模型理论四个模块。该系统以Visual Studio 2010为开发平台,通过调用SQL Server 2008数据库以实现用户信息的管理、水厂数据的调用和预处理,通过调用预置的MTSA-SORFNN的MATLAB程序以实现软测量模型的训练与预测。该软测量系统相较于传统检测方法具有检测快速、成本低廉、实用性好等优点,对保证污水处理厂稳定高效运行具有实际的意义。