使用在地理信息系统（GIS）中实施的多准则模糊推理系统（FIS）对新墨西哥州的贝纳里洛县进行了分水岭脆弱性评估。 脆弱性图是通过加权叠加分析生成的，该分析结合了从FIS方法学得出的土壤侵蚀和渗透图。 该模型规定了五个脆弱性类别：不脆弱（N），轻微脆弱（SV），中等脆弱（MV），高度脆弱（HV）和极脆弱（EV）。 结果表明，约88％的研究区域对轻度（SV）到中度脆弱性（MV）敏感，其中11％的区域遭受高或极度脆弱性（HV / EV）。 对于土地使用和土地覆被（LULC）分类，灌木林被确定为最容易受到破坏。 加权覆盖层输出与经修订的通用土壤流失方程（RUSLE）模型预测的结果相似，但不脆弱（N）类除外。 该县东部地区由于其高坡度和高降水量而被确定为最脆弱的地区。 在此，结构性雨水控制措施（SCM）对于管理径流和泥沙外运可能是可行的。 这种多准则的FIS / GIS方法可以提供有用的信息，以指导决策者为干旱的西南地区选择合适的结构性和非结构性SCM。

针对现有多级胶带调速系统采用二维模糊控制算法存在调节速度与期望速度误差较大的问题,建立了自适应神经模糊推理系统模型,设计了一种基于自适应神经模糊推理系统模型的多级胶带调速系统。该调速系统以第1条胶带的瞬时流量和实时速度为输入量,以变频器的调节频率为输出量实现调速。Matlab仿真结果表明,引入自适应神经模糊推理系统模型的多级胶带调速系统的速度误差可控制在2%以下,运量与带速匹配率得到了优化,对现今煤矿企业的节能减排具有一定的应用价值。

模糊推理是蓬勃发展中的模糊控制技术的数学核心,二型模糊集的模糊推理是研究二型模糊逻辑系 统的基础。研究并给出了基于 Mamdani方法下二型模糊集的各种模糊推理模型,包括单输入单输出模糊推理模型,多输入单输出模糊推理模型,多规则、多输入单输出模糊推理模型等。

人工智能导论实验三，模糊推理控制汽车车距，包括matlab的fuzzy-logic-controler模糊控制工具箱和simulink仿真实现。

模糊洗衣机的推理如图：水位水位模糊推理模糊推理水位水位模糊推理模糊推理洗涤时间洗涤时间布质布质洗涤时间洗涤时间布质布质水流水流布量布量水流水流布量布量漂洗方式漂

在该项目中，使用自适应神经模糊推理系统 (ANFIS) 解决了 2R 平面机器人的逆运动学问题。 此代码包括 2-DOF 平面机器人的动画。

针对机床主轴热误差补偿过程中现有建模方法的不足，提出一种新的热误差建模算法。首先应用FCM（模糊C-均值聚类）算法将众多温度测点予以分类，减少测点数量，提高测量精度；其次应用GCA（灰色关联分析）算法对同类测点的热敏感度进行排序，选出该类中的关键测点；最后以优选出的测点为输入变量，以热位移为输出变量，利用ANFIS进行热误差模型设计，并与BP算法建立的模型进行了比较。实验数据表明，该方法降低了机床热误差，具有预测精度高的优点，能较好地实现机床主轴热误差的补偿。

基于模糊推理的汽车安全驾驶提示系统，那日萨，曲强，在分析驾驶员的生理和心理因素，以及汽车状况和外界环境众多因素基础上，基于模糊控制模型，构建了具有模糊推理机制的汽车驾驶安

基于回归的模糊推理系统,MATLABR2020a

提出一种高阶直觉模糊时间序列预测模型。模型首先应用模糊聚类算法实现论域的非等分划分；然后，针对直觉模糊时间序列的数据特性，提出一种更具客观性的直觉模糊集隶属度和非隶属度函数的确定方法；最后，利用直觉模糊多维取式推理建立高阶模型的预测规则，进行预测。在Alabama大学入学人数和北京市日均气温2组数据集上分别与典型方法进行对比实验，结果表明该模型有效提高了预测精度，证明了模型的有效性和优越性。