MATLAB-模型模糊神经网络预测控制demo

减法聚类方法从数据生成FIS结构 genfis2

tripdata
figure,plot(datin)
a=genfis2(datin,datout,0.45);
figure,plotfis(a);
figure
fuzout=evalfis(datin,a);
subplot(2,1,1)
plot(datin)
subplot(2,1,2)
plot([datout fuzout])
figure,plot(datout,fuzout,'bx',[0 10],[0 10],'r:')
xlabel('Actual Value')
ylabel('Predicted Value')
axis square

chkfuzout=evalfis(chkdatin,a);%未定义chkdatin
figure,plot(chkdatout,chkfuzout,'bx',[0 10],[0 10],'r:')
axis square
xlabel('Actual Value')
ylabel('Predicted Value')

---

genfis2 使用减法聚类方法从数据生成FIS结构
fismat = genfis2(Xin,Xout,radii)
Xin是一个矩阵，它的每一行包含一个数据点的输入值；Xout是一个矩阵，它的每一行包含一个数据点的输出值；randi是一个向量，它指定一个聚类中心在一个数据维上作用的范围，这里假定数据位于一个单位超立方体内

---

genfis1 不使用数据聚类方法从数据生成FIS结构
fismat = genfis1(data)
genfis1为an fis训练生成一个Sugeno型作为初始条件的FIS结构（初始隶属函数）

---

plotfis(fismat)
此函数显示由fismat指定的一个FIS的高层方框图，输入和它们的隶属函数出现在结构特征图的左边，同时输出和它们的隶属函数出现在结构特征图的右边。

---

evalfis 完成模糊推理计算
output= evalfis(input,fismat)
input：指定输入值的一个数或一个矩阵，如果输入是一个M×N矩阵，其中N是输入变量数，那么evalfis使用 input的每一行作为一个输入向量，并且为变量output返回M×L矩阵，该矩阵每一行是一个向量并且L是输出变量数；
fismat：要计算的一个FIS结构；

---

自适应神经模糊推理系统DEMO：anfis

anfis:Adaptive Neural Network Based Fuzzy Interference System

% The Mackey-Glass time-delay differential equation is defined by dx(t)/dt = 0.2x(t-tau)/(1+x(t-tau)^10) - 0.1x(t)
% When x(0) = 1.2 and tau = 17, we have a non-periodic and non-convergent time series that is very sensitive to initial conditions. (We assume x(t) = 0 when t < 0.) 

load mgdata.dat%Mackey-Glass 时间序列
a=mgdata;
time = a(:, 1);
ts