写一个运用模糊运算规则加权平均对模糊矩阵进行合成的代码案例，要求可以手动修改隶属度及权重矩阵

当然，下面是一个简单的Python代码案例，使用`skfuzzy`库实现加权平均的模糊运算规则对模糊矩阵进行合成。这个代码允许用户手动输入模糊集的隶属度和权重。

from skfuzzy import control as ctrl

# 定义模糊集和权重
def create_membership_functions(num_intervals):
    mfs = []
    for i in range(num_intervals):
        # 创建一个三角形模糊集，这里假设我们有三个等级：低、中、高
        mfs.append(ctrl.Antecedent(range(0, 101), 'level', labels=['low', 'medium', 'high']))

        # 设置隶属度
        mfs[-1]['low'].membership = fuzz.trapmf(mfs[-1].universe, [0, 0, 33, 67])  # 0% 到 33%
        mfs[-1]['medium'].membership = fuzz.trapmf(mfs[-1].universe, [33, 67, 99, 100])  # 33% 到 67%
        mfs[-1]['high'].membership = fuzz.trapmf(mfs[-1].universe, [67, 99, 100, 100])  # 67% 到 100%

    return mfs

# 用户自定义权重
weights = [0.4, 0.3, 0.3]  # 总和应为1
assert sum(weights) == 1

# 创建模糊控制器
system = ctrl.ControlSystem()

# 添加模糊规则
rules = [(mfs[0], 'level', weights[0]),
         (mfs[1], 'level', weights[1]),
         (mfs[2], 'level', weights[2])]
system.addrule(*rules)

# 获取综合结果
input_value = 50  # 你可以改变这里的值作为输入
system.input['level'] = input_value
output = system.compute()
result = output['level']

print(f"对于输入 {input_value}，模糊合成后的结果是 {result}")

# 提供动态修改
# mfs 和 weights 可以在这里进行修改，然后再次运行上述代码

在这个例子中，用户可以根据需要调整`create_membership_functions`中的隶属度分布，以及`weights`数组中的权重值。每次修改后，系统会根据新的模糊集和权重计算综合结果。