模拟退火算法和神经模糊技术的研究是现代控制理论的一个重要发展方向,并且对非线性多峰函数系统辨识和预测等方面具有重要的理论和应用价值.该文围绕着复杂非线性多峰函数系统辨识和预测等理论方法及其在火山岩识别领域的应用,展开了深入地探讨,主要完成以下研究工作.基于对模拟退火算法基础理论的研究,论述了改进的模拟退火算法和快速模拟退火算法.并且以随机过程论中的马尔克夫链理论为工具,证明了模拟退火算法的渐近收敛性.非线性多峰函数系统的参数辨识,不论在理论上还是在应用上一直都是一个难题.虽然模拟退火算法能够得到这类系统参数的全局最优估值,但算法中冷却进度表的初始温度需要人为调试,这无疑增强了问题的难度.该文将系统辨识、模拟退火算法和最优化技术有机结合,熔于一炉,研制出了带有自适应冷却进度表的模拟退火算法.仿真结果表明新算法的收敛性不受初始温度选取的影响,实现了搜索过程的智能化.研究模糊神经网络及其学习算法,针对非线性多峰函数系统模型结构确定问题,提出了一种新型模糊基函数神经网络.并依据通用逼近定理,证明了新型模糊基函数神经网络的通用逼近能力.仿真结果表明与普通神经网络相比,新型模糊基函数神经网络模型计算简单、精度高.将该文提出的自适应模拟退火算法应用于火山岩储层油气识别,收到较好的结果.