本文研究了单调2型模糊神经网络(T2FNN),该方法可用于许多需要输入和输出之间具有单调性的识别和预测问题。首先介绍T2FNN参数的充分条件,以确保输入和输出之间的单调性。然后,建立了单调T2FNN的数据驱动设计模型。而且,在单调性约束下,提供了一种混合算法来优化单调T2FNN的参数。该混合算法利用约束最小二乘法和基于惩罚函数的梯度下降算法来实现合理的参数初始化和优化。最后,将其应用于热舒适指数预测,以验证单调T2FNN的有效性。还与其他方法进行了比较。