算法思路介绍：
基于模糊神经网络的水质预测系统，整体思路分为以下几个模块：
1. 数据准备模块
- 加载数据：从文件中加载训练和测试数据，包括输入数据和输出数据。
- 数据归一化：对加载的数据进行归一化处理，将数据映射到指定的范围内，以便神经网络训练。
2. 网络结构定义和参数初始化模块
- 定义网络结构：确定神经网络的输入节点数、隐含节点数和输出节点数。
- 参数初始化：初始化网络的权重参数、偏置参数和学习率等。
3. 神经网络训练模块
- 循环迭代：通过多次迭代更新网络参数，使得网络的输出逼近真实值。
- 前向传播：根据当前参数计算网络的输出值。
- 误差计算：计算网络输出与真实值之间的误差。
- 反向传播：根据误差调整网络参数，采用梯度下降算法更新权重和偏置。
- 参数更新：根据梯度下降的结果更新网络的权重和偏置。
4. 网络预测模块
- 使用训练好的网络：将测试数据输入到训练好的神经网络中，得到预测结果。
- 反归一化处理：将预测结果反归一化，得到真实的水质预测值。
5. 实际水质预测模块
- 数据处理：加载实际水质数据，包括红工水厂、高家花园水厂和大溪沟水厂的数据。
- 预测水质：使用训练好的神经网络对实际水质数据进行预测。
- 结果分析：将预测结果进行分类或分级，以便分析和可视化展示。
整个系统的工作流程为：加载数据并进行归一化处理，定义网络结构并初始化参数，通过多次迭代训练神经网络，然后使用训练好的网络对测试数据和实际水质数据进行预测，最后对预测结果进行反归一化处理和分析展示。
部分代码（完整代码在最后）：
%% 网络训练
%循环开始，进化网络
for iii=1:maxgen
iii
for k=1:m
x=inputn(:,k);
%输出层结算
for i=1:I
for j=1:M
u(i,j)=exp(-(x(i)-c(j,i))^2/b(j,i));
end
end
%模糊规则计算
for i=1:M
w(i)=u(1,i)*u(2,i)*u(3,i)*u(4,i)*u(5,i)*u(6,i);
end
addw=sum(w);
for i=1:M
yi(i)=p0_1(i)+p1_1(i)*x(1)+p2_1(i)*x(2)+p3_1(i)*x(3)+p4_1(i)*x(4)+p5_1(i)*x(5)+p6_1(i)*x(6);
end
addyw=yi*w';
%网络预测计算
yn(k)=addyw/addw;
e(k)=outputn(k)-yn(k);
%计算p的变化值
d_p=zeros(M,1);
d_p=xite*e(k)*w./addw;
d_p=d_p';
%计算b变化值
d_b=0*b_1;
for i=1:M
for j=1:I
d_b(i,j)=xite*e(k)*(yi(i)*addw-addyw)*(x(j)-c(i,j))^2*w(i)/(b(i,j)^2*addw^2);
end
end
%更新c变化值
for i=1:M
for j=1:I
d_c(i,j)=xite*e(k)*(yi(i)*addw-addyw)*2*(x(j)-c(i,j))*w(i)/(b(i,j)*addw^2);
end
end
p0=p0_1+ d_p+alfa*(p0_1-p0_2);
p1=p1_1+ d_p*x(1)+alfa*(p1_1-p1_2);
p2=p2_1+ d_p*x(2)+alfa*(p2_1-p2_2);
p3=p3_1+ d_p*x(3)+alfa*(p3_1-p3_2);
p4=p4_1+ d_p*x(4)+alfa*(p4_1-p4_2);
p5=p5_1+ d_p*x(5)+alfa*(p5_1-p5_2);
p6=p6_1+ d_p*x(6)+alfa*(p6_1-p6_2);
b=b_1+d_b+alfa*(b_1-b_2);
c=c_1+d_c+alfa*(c_1-c_2);
p0_2=p0_1;p0_1=p0;
p1_2=p1_1;p1_1=p1;
p2_2=p2_1;p2_1=p2;
p3_2=p3_1;p3_1=p3;
p4_2=p4_1;p4_1=p4;
p5_2=p5_1;p5_1=p5;
p6_2=p6_1;p6_1=p6;
c_2=c_1;c_1=c;
b_2=b_1;b_1=b;
end
E(iii)=sum(abs(e));
end
figure(1);
plot(outputn,'r')
hold on
plot(yn,'b')
hold on
plot(outputn-yn,'g');
legend('实际输出','预测输出','误差','fontsize',12)
title('训练数据预测','fontsize',12)
xlabel('样本序号','fontsize',12)
ylabel('水质等级','fontsize',12)结果展示：
