摘要: 针对采用单个数据模型描述非线性系统时存在的鲁棒性较差的问题，提出一种基于特征聚类数据划分的多神经网络建模方法．该方法通过构造特征函数对样本数据集进行聚类实现数据划分，划分后的子数据集采用径向基神经网络建立子模型，然后以总均方差最小为目标实现多神经网络模型的自适应加权，达到提高模型精确度和鲁棒性的目的．最后将所提出的多模型建模方法应用于非线性系统和纺织浆纱过程回潮率软测量建模中，并分别与单神经网络模型和等加权多神经网络进行比较．实验结果表明所建立的多神经网络模型的均方根误差和最大误差小于单神经网络模型和等加权多神经网络模型．