模糊系统是模拟人脑推理性能的一类有效模型，是绕开建立精确的数学模型而仿效人脑利用模糊信息进行模糊推理.它虽不依赖于精确的数学模型，但却具有逻辑推理、数值计算功能和较强的非线性函数逼近能力.但是伴随着系统输入变量个数的增加.往往会引起模糊规则爆炸.为避免这种现象，本文应用二叉树型分层方法给出混合推理规则，并构造基于这种分层的广义混合模糊系统，详细分析了该系统内部推理规则总数上的变化趋势，进而证明了依二叉树型分层与不分层系统的有效性和对可积函数的逼近性.　　本文研究内容主要分为三个部分:　　第一部分:作为预备知识，我们引入了二叉树分层方法和混合模糊推理规则.　　第二部分:为避免广义混合模糊系统因输入变量个数的增加而引起规则爆炸现象，我们应用二叉树分层方法给出混合模糊推理规则，并从理论上获得了依二叉树分层的广义混合模糊系统的输入输出表达式和推理规则总数的计算公式，进而利用归纳法证明了该分层系统与原系统的等价性.此外，通过实例对分层系统和原系统模糊规则总数的变化进行了比较和分析.结果表明，分层后广义混合模糊系统可大幅度缩减推理规则总数，并可有效地避免规则爆炸现象.　　第三部分:首先，针对由T-S和Mamdani模糊系统统一起来建立的广义混合模糊系统实施二叉树型分层，该分层使系统内部推理规则总数获得大幅度降低.其次，借助K-拟减算子和K-拟可加积分重新定义了K-积分模，并依据分片线性函数和K-积分模研究了二叉树型分层广义混合模糊系统对一类可积函数的逼近性.最后，通过模拟实例给出了该系统对给定可积函数的逼近性能及其实现过程.