研究事物模糊性的一种数学方法。是用精确的数学工具，对概念模糊或者系统复杂难以精确化事物进行测度、运算和逼近的方法。

电子计算机技术的发展促进了模糊数学的出现。1965年，美国控制论专家L.A.扎登首先提出模糊集（Fuzzy sets）概念，形成了模糊集理论，为用数学方法描述事情模糊性提供了手段。1979年陈国范等人首次把模糊数学应用于天气预报业务。此后，开始用于农业气候区划、地区气候资源评价、作物宜植区的气候选择、产量预报等研究中。现在已显示出其独到的优点。①是用隶属函数表示农业对象与气象环境因子的关系，可为其适宜程度提供一个游动边界，比用传统的指标硬划分，更符合由量变到质变的客观实际；②是通过对隶属函数的确定，可把因子的原始量测值同对象的反应指标结合起来；③是对一些复杂的难以取得精确量测数据的现象，可用经验公式或定性评分的方法，使其数量化，以便计算和分析；④是对受多指标变量影响的系统，可用各指标相应的隶属函数的逻辑复合运算，模糊关系转换，得出多因子对对象影响的综合评判值，这种评判值比加权平均合理，有利于多因子综合分析。

目前使用较普遍的有以下五种方法：

综合隶属函数拟合

这是利用因子隶属函数的软代数运算去拟合对象的方法。首先据经验定出因子模糊子集的边界条件，以此建立隶属函数，计算出各因子相应的隶属度，再作交、并、补等各种软代数组合运算。用所得综合隶属度，分别对对象模糊子集作拟合判别，从中选取拟合最优的组合运算，建立预报方程。优点在于能通过隶属函数的设计，吸收定性经验到方程中去；且能通过组合运算，从原始因子序列中提取较多的信息，是一种实用而有效的方法。多用于农业气象预报和类型识别。此方法的关键是要设计出一个能合理刻划事物模糊性的隶属函数。常见的隶属函数有正态型、戒上型和戒下型三种，使用时可根据实际需要选取，并给出相应的参数值。

模糊模型识别

这是确定被识别对象在已知模型集合中归类的方法。按最大隶属原则，判别对象在给定模型集中的归属问题，称为模糊数型识别的直接方法。若被识别对象不是一个确定元素，而是一个子集，则须分别求算对象子集与已知各模型之间的贴近度，再依据接近原则，确定其归属，后者即模糊模型识别的间接方法。适用于作物宜植区的气候选择和农业气象预报。

模糊相似分析

这是用模糊集和模糊关系的理论，决定群分析中相似选择的取舍方法。以引种工作中宜植区的气候选择为例，原产地和拟引入地的农业气候环境单元，均被定义为气候指标集空间上的向量。则问题便归结为确定拟引入地区中，某一具体单元和原产地单元的相似较之其它拟引入地单元优先的程度。首先确定能有效地刻划环境单元农业气候特征的因子指标集，标定在因子空间上两环境单元间的距离（或相似）系数。求算各具体单元相对于其它单元与原产地单元相似的模糊优先比，建立在选择比配对上定义的拟引入地单元直积空间上的模糊优先比矩阵，再将矩阵元素由大到小，依次定作门限水平阈值，求其水平截集，则矩阵元素大于阈值者为0，小于阈值者为1（均对矩离系数而言，若用相似系数则相反）。若矩阵中某一行，除主对角线元素外，在门限阈值由大到小逐步扩展过程中最先全达到1，则该行所代表的单元和原产地单元最相似，即最优，对应的阈值为其优先水平。同样，次达到者为次优，依此类推。此方法适用于引种气候选择、产量预报的相似型选择。

模糊聚类分析

这是对事物按一定要求进行分类的数学方法，对其引入模糊数学语言，便称为模糊聚类分析。模糊等价关系是模糊分类的依据。对样本实行分类，先据需要选取合适的统计量——相似系数（或距离系数），建立样本序列直积空间上的模糊相容关系矩阵，使矩阵元素归一化，此时关系矩阵具有自反性、对称性，但不具有传递性。需通过二次幂的连续复合运算，将模糊相容关系矩阵，改造为具有自反性、对称性和传递性的模糊等价关系矩阵。再由小到大，依次选取门限水平阈值，矩阵元素大于阈值时取值为1，小者则为0。据此模糊等价关系进行截集显示，其每一水平阈值的截集显示，都可将样本确切地加以分类，得出一系列的不定图象，即各种不同的分类。

模糊综合评判

这是利用模糊关系变换求算对某一事物的多因素综合评语的数学方法。若因素和评分为有限集，则可视其从因素集到评语集的模糊关系为一模糊变换器，根据矩阵的复合运算规则，任给一个因子着眼点权重的模糊子集，便可得出一相应的模糊综合评判子集，即评语向量。通常还需对综合评判向量元素作归一化处理，便于直观比较。以上是已知输入（因子着眼点权重）求输出（综合评判），是综合评判的正问题。若已知输出求输入，则称谓综合评判的逆问题，对总结经验中的优越权重分配，有普遍的实际意义。若将输出改为决策行为的集合，则综合评判问题就变为综合决策问题。适用于对资源的综合评价和作物引种改制的适区气候选择。