模糊数学模型

A. 想建个模型Y=aX1+bX2,知道X1和X2的值，如何能得到Y,a,b的值灰色理论模糊数学神经网络多元分析

这是不可能的。
你的模型中有三个变量，两个系数，仅由两个变量的变化，在没有确定系数情况下，是无法得到因变量的值的，也决定不了系数的值。
如果所有变量都有了，可以通过曲线拟合来分析两个系数a和b的值。

B. 模糊数学评价模型

综合评价是综合考虑受多种因素影响的事物或系统对其进行总的评价，当评价因素具有模糊性时，则被称为模糊综合评价。基坑降水环境影响模糊综合评价模型的构建步骤如下：

（1）确定评价集和因子集

评价单元的评价指标集合

基坑降水工程的环境效应与评价方法

其中：u₁，u₂，...u₉为参与评价的9个环境因子的性状数据。

环境质量的判断集，即评价结果（评语）组成的集合为：

基坑降水工程的环境效应与评价方法

其中：v₁，v₂，v₃，v₄分别代表评价等级为Ⅰ～Ⅳ级。

在环境质量的分级评价中，U是一个模糊向量，而V则是一个矩阵，V为U相应的评价标准的集合。在U和V都给定以后因素论域（环境因子）与评语论域（评价标准）之间的模糊关系可以用模糊关系矩阵R来表示：

基坑降水工程的环境效应与评价方法

根据模糊关系的定义，r_ij表示第i个评价因子的环境质量数值可以被评为第j级环境质量的可能性即i对于j的隶属度。因此，模糊关系矩阵R中的第i行，实际上代表了第i个评价因子对各级环境质量标准的隶属性；而模糊关系矩阵中的第j列，则代表了各个评价因子对第j级环境质量标准的隶属性。

（2）评价因子分级标准的确定

评价标准的划分都是一个区间值。对于第Ⅰ级的环境质量标准值作为其代表值，记为e（Ⅰ）；对第Ⅱ级取第Ⅰ级和第Ⅱ级环境质量标准值的平均值作为代表值，记为e（Ⅱ），其余类推。

分级代表值是确定环境因子性状数据的隶属度的基础。有了分级代表值后，可以根据实际环境因子的性状数据来计算其隶属度。

环境质量标准的划分有时候也采用特征值的办法，每一级预先给定一个数值作为该级标准的代表值，相当于直接给出了评价标准分级代表值。

（3）隶属函数的确定

隶属函数的确定方法有很多种。如矩形分布隶属函数、正态型分布隶属函数、柯西分布隶属函数、梯形分布隶属函数等。在地质环境评价实际工作中，梯形分布的隶属函数应用最为广泛，本次模型的建立也采用了梯形分布隶属函数。其隶属函数关系式如下：

基坑降水工程的环境效应与评价方法

基坑降水工程的环境效应与评价方法

式中u₁（x），u₂（x），u₃（x），u₄（x）为环境因子x对一级、二级、三级、四级环境质量标准的隶属度。

环境质量级别的隶属度矩阵C：

基坑降水工程的环境效应与评价方法

C. 哪种数学模型用于分等级

归一化用于很多数学模型，比如主成份分析，灰色模型等，因为数学建模主要是对数据的分析，往往带有单位的数据之间没有可比性，因此要进行数据的归一化或单位化，一般情况下数学模型都会单一化，但是如果单一的用拟合预测类的简单方法就没有必要

D. 模糊数学的基本概念，并给出一个模糊建模的例子

研究灰色系统的重要内容之一是如何从一个不甚明确的、整体信息不足的系统中对模糊现象的数学处理就是在这个基础上展开的。 从纯数学角度看，集合概念的

E. 模糊数学模型的方法

在实际应用中，用来确定模糊集的隶属函数的方法示多种多样的，主要根据问题专的
实际意义属来确定。譬如，在经济管理、社会管理中，可以借助于已有的“客观尺度”作
为模糊集的隶属度。下面举例说明。
如果设论域X 表示机器设备，在X 上定义模糊集A =“设备完好”，则可以用“设
备完好率”作为A 的隶属度。如果X 表示产品，在X 上定义模糊集A =“质量稳定”，
则可以用产品的“正品率”作为A 的隶属度。如果X 表示家庭，在X 上定义模糊集A
=“家庭贫困”，则可以用“Engel 系数=食品消费/总消费”作为A 的隶属度。
另外，对于有些模糊集而言，直接给出隶属度有时是很困难的，但可以利用所谓的
“二元对比排序法”来确定，即首先通过两两比较确定两个元素相应隶属度的大小排出
顺序，然后用数学方法加工处理得到所需的隶属函数。

F. 模糊数学模型可以解决哪些问题

在实际应用中，用来确定模糊集的隶属函数的方法示多种多样的，主要根据问题的
实际意义来确定。譬如，在经济管理、社会管理中，可以借助于已有的“客观尺度”作
为模糊集的隶属度。下面举例说明。
如果设论域X 表示机器设备，在X 上定义模糊集A =“设备完好”，则可以用“设
备完好率”作为A 的隶属度。如果X 表示产品，在X 上定义模糊集A =“质量稳定”，
则可以用产品的“正品率”作为A 的隶属度。如果X 表示家庭，在X 上定义模糊集A
=“家庭贫困”，则可以用“Engel 系数=食品消费/总消费”作为A 的隶属度。
另外，对于有些模糊集而言，直接给出隶属度有时是很困难的，但可以利用所谓的
“二元对比排序法”来确定，即首先通过两两比较确定两个元素相应隶属度的大小排出
顺序，然后用数学方法加工处理得到所需的隶属函数。

详情请查阅 网络之模糊数学

G. 模糊数学模型的基本概念

定义 1 论域X 到[0,1] 闭区间上的任意映射
μ ：X →[0,1]
x →μ (x)
都确定X 上的一个模糊集合A ，μ 叫做A 的隶属函数，μ (x) 叫做x 对模糊集A 的隶属度，记为：
{(x,μ (x)) | x ∈X }
使μ (x) =0.5 的点x 称为模糊集A 的过渡点，此点最具模糊性。
显然，模糊集合A 完全由隶属函数μ 来刻画，当μ (x) {0,1} 时，A 退化为一个普通集。 常用取大“∨”和取小“∧”算子来定义Fuzzy 集之间的运算。
定义2 对于论域X 上的模糊集A ，B ，其隶属函数分别为μ1(x) ，μ2(x) 。
A B
i) 若对任意x ∈X ，有μ1(x) ≤μ2(x) ，则称A 包含B ，记为B ⊆A ；
B A
ii) 若A ⊆B 且B ⊆A ，则称A 与B 相等，记为A B 。
定义3 对于论域X 上的模糊集A ，B ，
i) 称Fuzzy 集C A UB ，D A IB 为A 与B 的并（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)
他们相应的隶属度μ (x),μ (x) 被定义为
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 为A 的补集或余集(complement)，其隶属度
μ (x) 1−μ (x)
AC A

H. 模糊数学模型有哪些

模糊数学模型
实际中，我们处理现实的数学模型可以分成三大类：第一类是确定性数学模型，即 模型的背景具有确定性，对象之间具有必然的关系。第二类是随机性的数学模型，即模 型的背景具有随机性和偶然性。第三类是模糊性模型，即模型的背景及关系具有模糊性

I. 模糊数学在数学建模中的应用，到目前为止研究现状，如何请具体详细点，谢谢

纯手工打字
模糊数学主要运用于不确定问题的解决和研究
目前研究还不够完善，主要是对于隶属度矩阵的确定和权重的评判规则有待争议。

J. 模糊数学,偏微分方程和数学建模哪个简单些啊

显然是偏微分方程要简单得多啊！
偏微分方程就是在数学分析的微积分的基础上学版习的，
并且可以说难度权还下降了，只是一些知识点和物理结合起来了，
而且只有四个章节，可以说就这么几种题型，到了套公式的地步。
模糊数学理论性太强了，数学建模实践性强。
并且两者都难以掌握，相反偏微分方程易理解、掌握。