模糊數學模型

A. 想建個模型Y=aX1+bX2,知道X1和X2的值，如何能得到Y,a,b的值灰色理論模糊數學神經網路多元分析

這是不可能的。
你的模型中有三個變數，兩個系數，僅由兩個變數的變化，在沒有確定系數情況下，是無法得到因變數的值的，也決定不了系數的值。
如果所有變數都有了，可以通過曲線擬合來分析兩個系數a和b的值。

B. 模糊數學評價模型

綜合評價是綜合考慮受多種因素影響的事物或系統對其進行總的評價，當評價因素具有模糊性時，則被稱為模糊綜合評價。基坑降水環境影響模糊綜合評價模型的構建步驟如下：

（1）確定評價集和因子集

評價單元的評價指標集合

基坑降水工程的環境效應與評價方法

其中：u₁，u₂，...u₉為參與評價的9個環境因子的性狀數據。

環境質量的判斷集，即評價結果（評語）組成的集合為：

基坑降水工程的環境效應與評價方法

其中：v₁，v₂，v₃，v₄分別代表評價等級為Ⅰ～Ⅳ級。

在環境質量的分級評價中，U是一個模糊向量，而V則是一個矩陣，V為U相應的評價標準的集合。在U和V都給定以後因素論域（環境因子）與評語論域（評價標准）之間的模糊關系可以用模糊關系矩陣R來表示：

基坑降水工程的環境效應與評價方法

根據模糊關系的定義，r_ij表示第i個評價因子的環境質量數值可以被評為第j級環境質量的可能性即i對於j的隸屬度。因此，模糊關系矩陣R中的第i行，實際上代表了第i個評價因子對各級環境質量標準的隸屬性；而模糊關系矩陣中的第j列，則代表了各個評價因子對第j級環境質量標準的隸屬性。

（2）評價因子分級標準的確定

評價標準的劃分都是一個區間值。對於第Ⅰ級的環境質量標准值作為其代表值，記為e（Ⅰ）；對第Ⅱ級取第Ⅰ級和第Ⅱ級環境質量標准值的平均值作為代表值，記為e（Ⅱ），其餘類推。

分級代表值是確定環境因子性狀數據的隸屬度的基礎。有了分級代表值後，可以根據實際環境因子的性狀數據來計算其隸屬度。

環境質量標準的劃分有時候也採用特徵值的辦法，每一級預先給定一個數值作為該級標準的代表值，相當於直接給出了評價標准分級代表值。

（3）隸屬函數的確定

隸屬函數的確定方法有很多種。如矩形分布隸屬函數、正態型分布隸屬函數、柯西分布隸屬函數、梯形分布隸屬函數等。在地質環境評價實際工作中，梯形分布的隸屬函數應用最為廣泛，本次模型的建立也採用了梯形分布隸屬函數。其隸屬函數關系式如下：

基坑降水工程的環境效應與評價方法

基坑降水工程的環境效應與評價方法

式中u₁（x），u₂（x），u₃（x），u₄（x）為環境因子x對一級、二級、三級、四級環境質量標準的隸屬度。

環境質量級別的隸屬度矩陣C：

基坑降水工程的環境效應與評價方法

C. 哪種數學模型用於分等級

歸一化用於很多數學模型，比如主成份分析，灰色模型等，因為數學建模主要是對數據的分析，往往帶有單位的數據之間沒有可比性，因此要進行數據的歸一化或單位化，一般情況下數學模型都會單一化，但是如果單一的用擬合預測類的簡單方法就沒有必要

D. 模糊數學的基本概念，並給出一個模糊建模的例子

研究灰色系統的重要內容之一是如何從一個不甚明確的、整體信息不足的系統中對模糊現象的數學處理就是在這個基礎上展開的。 從純數學角度看，集合概念的

E. 模糊數學模型的方法

在實際應用中，用來確定模糊集的隸屬函數的方法示多種多樣的，主要根據問題專的
實際意義屬來確定。譬如，在經濟管理、社會管理中，可以藉助於已有的「客觀尺度」作
為模糊集的隸屬度。下面舉例說明。
如果設論域X 表示機器設備，在X 上定義模糊集A =「設備完好」，則可以用「設
備完好率」作為A 的隸屬度。如果X 表示產品，在X 上定義模糊集A =「質量穩定」，
則可以用產品的「正品率」作為A 的隸屬度。如果X 表示家庭，在X 上定義模糊集A
=「家庭貧困」，則可以用「Engel 系數=食品消費/總消費」作為A 的隸屬度。
另外，對於有些模糊集而言，直接給出隸屬度有時是很困難的，但可以利用所謂的
「二元對比排序法」來確定，即首先通過兩兩比較確定兩個元素相應隸屬度的大小排出
順序，然後用數學方法加工處理得到所需的隸屬函數。

F. 模糊數學模型可以解決哪些問題

在實際應用中，用來確定模糊集的隸屬函數的方法示多種多樣的，主要根據問題的
實際意義來確定。譬如，在經濟管理、社會管理中，可以藉助於已有的「客觀尺度」作
為模糊集的隸屬度。下面舉例說明。
如果設論域X 表示機器設備，在X 上定義模糊集A =「設備完好」，則可以用「設
備完好率」作為A 的隸屬度。如果X 表示產品，在X 上定義模糊集A =「質量穩定」，
則可以用產品的「正品率」作為A 的隸屬度。如果X 表示家庭，在X 上定義模糊集A
=「家庭貧困」，則可以用「Engel 系數=食品消費/總消費」作為A 的隸屬度。
另外，對於有些模糊集而言，直接給出隸屬度有時是很困難的，但可以利用所謂的
「二元對比排序法」來確定，即首先通過兩兩比較確定兩個元素相應隸屬度的大小排出
順序，然後用數學方法加工處理得到所需的隸屬函數。

詳情請查閱 網路之模糊數學

G. 模糊數學模型的基本概念

定義 1 論域X 到[0,1] 閉區間上的任意映射
μ ：X →[0,1]
x →μ (x)
都確定X 上的一個模糊集合A ，μ 叫做A 的隸屬函數，μ (x) 叫做x 對模糊集A 的隸屬度，記為：
{(x,μ (x)) | x ∈X }
使μ (x) =0.5 的點x 稱為模糊集A 的過渡點，此點最具模糊性。
顯然，模糊集合A 完全由隸屬函數μ 來刻畫，當μ (x) {0,1} 時，A 退化為一個普通集。 常用取大「∨」和取小「∧」運算元來定義Fuzzy 集之間的運算。
定義2 對於論域X 上的模糊集A ，B ，其隸屬函數分別為μ1(x) ，μ2(x) 。
A B
i) 若對任意x ∈X ，有μ1(x) ≤μ2(x) ，則稱A 包含B ，記為B ⊆A ；
B A
ii) 若A ⊆B 且B ⊆A ，則稱A 與B 相等，記為A B 。
定義3 對於論域X 上的模糊集A ，B ，
i) 稱Fuzzy 集C A UB ，D A IB 為A 與B 的並（union ）和交（intersection ），
即
C (A UB)(x) max{A(x),B(x)} A(x) ∨B(x)
D (A IB(x) min{A(x),B(x)} A(x) ∧B(x)
他們相應的隸屬度μ (x),μ (x) 被定義為
C D
μ (x) max{μ (x),μ (x)}
C A B
μ (x) min{μ (x),μ (x)}
D A B
ii) Fuzzy 集AC 為A 的補集或余集(complement)，其隸屬度
μ (x) 1−μ (x)
AC A

H. 模糊數學模型有哪些

模糊數學模型
實際中，我們處理現實的數學模型可以分成三大類：第一類是確定性數學模型，即 模型的背景具有確定性，對象之間具有必然的關系。第二類是隨機性的數學模型，即模 型的背景具有隨機性和偶然性。第三類是模糊性模型，即模型的背景及關系具有模糊性

I. 模糊數學在數學建模中的應用，到目前為止研究現狀，如何請具體詳細點，謝謝

純手工打字
模糊數學主要運用於不確定問題的解決和研究
目前研究還不夠完善，主要是對於隸屬度矩陣的確定和權重的評判規則有待爭議。

J. 模糊數學,偏微分方程和數學建模哪個簡單些啊

顯然是偏微分方程要簡單得多啊！
偏微分方程就是在數學分析的微積分的基礎上學版習的，
並且可以說難度權還下降了，只是一些知識點和物理結合起來了，
而且只有四個章節，可以說就這么幾種題型，到了套公式的地步。
模糊數學理論性太強了，數學建模實踐性強。
並且兩者都難以掌握，相反偏微分方程易理解、掌握。