论文部分内容阅读
结合T-S模糊模型和Elman网络的优点,提出了一种动态T-S模糊Elman网络(DTSFEN).该网络具有全局收敛的递归结构,动态信息处理能力强;采用误差反向传播学习算法对网络结构参数和规则参数进行学习,提高了网络学习效率;并利用李亚普诺夫稳定性定理证明了网络的全局收敛特性;最后,将DTSFEN应用于非线性函数逼近和污泥容积指数(SVI)的软测量中.仿真实验结果表明,与正交最小平方(OLS)模型和Elman网络等相比,DTSFEN具有较高的精度、较快的收敛速度和较强的鲁棒性.