模糊神经网络是目前人工智能界最具发展前途的三个重要领域之一。近十年来它在模糊控制、模糊决策、专家系统、模式识别等领域发挥了重要作用，其理论、模型、算法和应用技术一直是计算机领域重要的研究课题，并以它特有的优势受到高度的重视。 本文对模糊神经网络的研究现状、发展趋势及应用领域进行了综述，阐述了模糊逻辑系统、人工神经网络及模糊神经网络的基本概念、基本模型、算法；针对实际问题需求，建立了一类正则化模糊神经网络模型及其学习算法，该模型在输入输出模式和模糊化层隶属函数个数确定的情形下，模糊化层、正则化层和规则层的节点数是可计算确定的，并且对专家系统表示和模式识别问题具有很好的适用性。针对所建立的正则化模糊神经网络学习算法存在的当学习样本规模较大、不同模式样本的特征差异较小时存在着收敛速度慢，容易陷入局部极小值的缺点，采用粗集理论及遗传算法，对学习算法进行了优化，并实现了模式特征指标和样本的自动筛选。优化后的网络收敛速度快、稳定，具有较强的推广能力。 根据对正则化模糊神经网络的研究成果，并结合大庆油田采油二厂科研项目，研制开发出《水驱油藏开发效果分析系统》，实现了水驱油藏开发效果自动综合评价和油井压裂方案的自动生成。