随着大数据时代的来临,数据已爆炸式增长。模糊神经网络常用于模糊推理运算中,如何改进传统的模糊推理算法,以保证在大数据环境下模糊推理的有效性,已经成为智能信息处理领域中一个亟待解决的问题。本文主要工作如下:1.根据混沌运动的特点,提出了一种解决非线性系统优化问题的混沌遗传算法(Chaos Genetic Algorithm,CGA)。该算法将混沌变量引入遗传算法的优化变量中,使两者的取值范围相互映射,利用更新后的混沌变量转换为“染色体”进行遗传操作,同时根据适应度大小选择需要附加混沌扰动的群体,使变异操作具有导向性,经过多次进化,得出问题的最优解。实验利用多种相似智能优化搜索算法进行比较。理论分析和实验结果表明,该算法保证了非线性系统优化问题动态响应的速度和寻优结果的精度,定量的评价了混沌遗传算法的优化效果。2.利用上述提出的混沌遗传算法训练本文使用的一种模糊神经网络模型,改进了传统模糊神经网络无法定量分析各项参数和隶属度函数的问题。实验结果证明,该模型加快了寻找隶属度函数和模糊控制规则的速度,从而使模糊推理算法高效的计算出最优解决方案。最后将改进后的模糊推理算法应用于智能污水处理系统之中,案例表明该模型能够高效准确的获取对应污水解决措施,实现了智能分析数据的目的,减少了人工决策和维护成本,明确了其发展的实用性。系统在交付使用后,降低了居民生活用水的压力,提高了人们生活的便利性。