基于OPCA-IGAFNN 的NQI 綜合服務(wù)信息平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)

唐求，吳娟，滕召勝，馬俊

（湖南大學(xué)電氣與信息工程學(xué)院，湖南長(zhǎng)沙 410082）

我國(guó)將計(jì)量、標(biāo)準(zhǔn)、認(rèn)證認(rèn)可和檢驗(yàn)檢測(cè)四要素統(tǒng)稱為國(guó)家質(zhì)量基礎(chǔ)設(shè)施（National Quality Infrastructure，NQI），在產(chǎn)業(yè)轉(zhuǎn)型升級(jí)、技術(shù)創(chuàng)新、提高產(chǎn)業(yè)生產(chǎn)效率等方面，都有著積極的推動(dòng)作用［1-2］.NQI綜合服務(wù)信息平臺(tái)（以下簡(jiǎn)稱“NQI 平臺(tái)”）利用計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、信息技術(shù)以及標(biāo)準(zhǔn)化理論將這四要素整合于一體以便實(shí)現(xiàn)國(guó)家資源優(yōu)化配置［3］.為更好地管理NQI 平臺(tái)從而提升平臺(tái)的服務(wù)質(zhì)量，使平臺(tái)發(fā)揮最大能效，對(duì)NQI 平臺(tái)的服務(wù)質(zhì)量進(jìn)行準(zhǔn)確、合理評(píng)價(jià)顯得尤為重要.

NQI 平臺(tái)服務(wù)質(zhì)量的評(píng)價(jià)是一個(gè)科學(xué)的研究過(guò)程，評(píng)價(jià)的關(guān)鍵是建立科學(xué)的評(píng)價(jià)模型.早期的評(píng)價(jià)模型中，指標(biāo)的選取數(shù)量以及各指標(biāo)的權(quán)重系數(shù)都是人為確定的，決策者的專(zhuān)業(yè)水平對(duì)評(píng)價(jià)結(jié)果的準(zhǔn)確率產(chǎn)生較大影響，導(dǎo)致評(píng)價(jià)的有效性和科學(xué)性不夠［4］.因此，結(jié)合數(shù)學(xué)分析［5］對(duì)NQI 平臺(tái)服務(wù)質(zhì)量進(jìn)行多因素的綜合評(píng)價(jià)具有廣泛的應(yīng)用前景.

常用的數(shù)學(xué)分析模型有層次分析模型、模糊綜合評(píng)價(jià)、模糊神經(jīng)網(wǎng)絡(luò)（Fuzzy Neural Network，F(xiàn)NN）等.文獻(xiàn)［6］利用層次分析構(gòu)建不同的指標(biāo)因子層次結(jié)構(gòu)，建立適用于彈性城市評(píng)價(jià)的指標(biāo)體系，具有較高的實(shí)用性.然而，這種層次分析模型將定性分析與定量分析相結(jié)合［7］，在確定權(quán)重時(shí)，往往因?qū)＜一蛟u(píng)價(jià)者的價(jià)值觀和偏見(jiàn)而產(chǎn)生差異，使得評(píng)價(jià)結(jié)果有很強(qiáng)的主觀性.文獻(xiàn)［8］利用熵權(quán)模糊綜合評(píng)價(jià)模型對(duì)水潤(rùn)滑尾軸承性能進(jìn)行評(píng)估，建立了較為準(zhǔn)確的水潤(rùn)滑尾軸承評(píng)估體系.但模糊綜合評(píng)價(jià)模型在評(píng)價(jià)過(guò)程中確定指標(biāo)權(quán)重這一過(guò)程，仍是由人為給定或?qū)＜姨峁?］，導(dǎo)致評(píng)價(jià)結(jié)果并不客觀.

模糊神經(jīng)網(wǎng)絡(luò)模型是模糊數(shù)學(xué)理論與人工神經(jīng)網(wǎng)絡(luò)相融合的產(chǎn)物，具備建模方便、預(yù)測(cè)精度高、評(píng)價(jià)客觀等優(yōu)點(diǎn)，已被廣泛應(yīng)用于各類(lèi)綜合評(píng)價(jià)問(wèn)題中［10-11］.文獻(xiàn)［12］利用FNN 構(gòu)建第三方電商結(jié)匯平臺(tái)評(píng)價(jià)體系，可幫助商家針對(duì)性地選擇合適的結(jié)匯平臺(tái).但在實(shí)際應(yīng)用中，傳統(tǒng)FNN 模型仍舊存在不足，在綜合評(píng)價(jià)時(shí)評(píng)價(jià)模型容易陷入局部最優(yōu)解且模型收斂速度較慢［13］.

由于NQI 平臺(tái)的服務(wù)質(zhì)量在評(píng)估過(guò)程中存在高維度非線性優(yōu)化問(wèn)題，傳統(tǒng)的評(píng)價(jià)算法無(wú)法滿足其需求.因此，針對(duì)傳統(tǒng)FNN 的缺陷，提出基于優(yōu)化主成分分析法（Optimized Principal Component Analysis，OPCA）與改進(jìn)遺傳算法（Improved Genetic Algorithm，IGA）的FNN 智能評(píng)價(jià)方法，由OPCA 實(shí)現(xiàn)網(wǎng)絡(luò)輸入的降維，再利用IGA 增強(qiáng)FNN 的泛化能力，提高對(duì)NQI平臺(tái)服務(wù)質(zhì)量的整體評(píng)估性能.

1 NQI平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)構(gòu)建

1.1 NQI平臺(tái)

NQI 平臺(tái)涉及工程機(jī)械、生物醫(yī)藥、電子電器、材料等多個(gè)行業(yè)，為產(chǎn)業(yè)轉(zhuǎn)型升級(jí)提供全流程的NQI 資源服務(wù).通過(guò)在線整合計(jì)量服務(wù)資源、標(biāo)準(zhǔn)服務(wù)資源、檢驗(yàn)檢測(cè)服務(wù)資源和認(rèn)證認(rèn)可服務(wù)資源，實(shí)現(xiàn)計(jì)量服務(wù)、標(biāo)準(zhǔn)服務(wù)、檢驗(yàn)檢測(cè)服務(wù)和認(rèn)證認(rèn)可服務(wù)等功能.NQI平臺(tái)服務(wù)示意圖如圖1所示.

圖1 NQI平臺(tái)服務(wù)示意圖Fig.1 Service schematic diagram of NQI platform

由圖1 可知，需求方（企業(yè)、政府、相關(guān)研究單位等）在NQI 平臺(tái)發(fā)布計(jì)量、標(biāo)準(zhǔn)、檢驗(yàn)檢測(cè)等服務(wù)需求，通過(guò)平臺(tái)的關(guān)鍵技術(shù)進(jìn)行服務(wù)需求與服務(wù)機(jī)構(gòu)的高效匹配，方便快捷實(shí)現(xiàn)供需雙方間的溝通，并對(duì)服務(wù)內(nèi)容、服務(wù)效果等快速形成有效共識(shí).服務(wù)機(jī)構(gòu)也可向平臺(tái)發(fā)布服務(wù)資源信息，為平臺(tái)提供關(guān)鍵技術(shù)支撐以及儀器設(shè)備共享，從而更好地解決需求方的服務(wù)需求.服務(wù)需求解決后，需求方可向平臺(tái)提供服務(wù)滿意度反饋，為平臺(tái)的高質(zhì)量發(fā)展提供指導(dǎo)性建議.

1.2 NQI平臺(tái)評(píng)價(jià)指標(biāo)選擇

為推動(dòng)NQI 平臺(tái)的高質(zhì)量發(fā)展，建立合適的評(píng)價(jià)模型必不可少，首要步驟便是構(gòu)建評(píng)價(jià)指標(biāo)體系，對(duì)平臺(tái)服務(wù)質(zhì)量進(jìn)行量化.對(duì)于NQI 平臺(tái)這一復(fù)雜的非線性系統(tǒng)，用單個(gè)指標(biāo)很難體現(xiàn)系統(tǒng)的主要特征，應(yīng)對(duì)平臺(tái)的功能屬性進(jìn)行分析，從計(jì)量、標(biāo)準(zhǔn)、合格評(píng)定等方面進(jìn)行技術(shù)創(chuàng)新，多視角、全方位評(píng)價(jià)技術(shù)提供方和企業(yè)用戶方.因此，評(píng)價(jià)指標(biāo)的設(shè)計(jì)應(yīng)從NQI 平臺(tái)的功能與特點(diǎn)出發(fā)，兼顧企業(yè)用戶對(duì)NQI 平臺(tái)的需求以及專(zhuān)家的指導(dǎo)性建議，從而建立健全的評(píng)價(jià)指標(biāo)體系，以提高評(píng)價(jià)結(jié)果的可信性與準(zhǔn)確度.

依據(jù)評(píng)價(jià)指標(biāo)體系構(gòu)建原則和NQI 平臺(tái)的功能與特點(diǎn)，梳理用戶對(duì)NQI 平臺(tái)的使用需求，結(jié)合專(zhuān)家建議并參考國(guó)內(nèi)外已有的服務(wù)平臺(tái)評(píng)價(jià)指標(biāo)體系，確立由計(jì)量發(fā)展水平和服務(wù)能力、標(biāo)準(zhǔn)發(fā)展水平和服務(wù)能力、合格評(píng)定發(fā)展水平和服務(wù)能力、便利性和專(zhuān)業(yè)規(guī)范性5 個(gè)一級(jí)指標(biāo)和21 個(gè)二級(jí)指標(biāo)的NQI 平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)體系，具體如表1所示.

表1 NQI平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)Tab.1 Service quality evaluation index of NQI platform

1.3 NQI平臺(tái)評(píng)價(jià)指標(biāo)量化處理

基于表1所確立的NQI平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)，為了建立后續(xù)的NQI 平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)體系，需要對(duì)這些列出的NQI 平臺(tái)評(píng)價(jià)指標(biāo)進(jìn)行規(guī)范的量化操作，包括評(píng)價(jià)指標(biāo)賦值與指標(biāo)歸一化處理.

指標(biāo)賦值是進(jìn)行指標(biāo)量化評(píng)價(jià)的前提.借鑒相關(guān)公共平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)的國(guó)家標(biāo)準(zhǔn)與相關(guān)科研成果［14］，咨詢領(lǐng)域內(nèi)有經(jīng)驗(yàn)的專(zhuān)家，將所建立的每個(gè)指標(biāo)按其特點(diǎn)分為5 個(gè)等級(jí)進(jìn)行評(píng)分，評(píng)分越高性能越強(qiáng).以計(jì)量發(fā)展水平和服務(wù)能力（A1）為例，相應(yīng)評(píng)價(jià)指標(biāo)的量化結(jié)果如表2 所示，其中的等級(jí)劃分是依據(jù)用戶以及專(zhuān)家的實(shí)際體驗(yàn)確定的.以儀器設(shè)備的多樣性為例，“較少”表明該指標(biāo)處于第一個(gè)等級(jí)，其評(píng)分最低，表明用戶對(duì)該指標(biāo)的滿意度最差.

表2 計(jì)量發(fā)展水平和服務(wù)能力指標(biāo)（A1）的量化Tab.2 Quantification of the measurement development level and service capability indicator（A1）

對(duì)各個(gè)指標(biāo)完成量化后，需要規(guī)范各評(píng)價(jià)指標(biāo)的屬性值，也就是將這些值歸一化到［0，1］內(nèi)，參閱文獻(xiàn)［15］，利用效益型指標(biāo)規(guī)范方法實(shí)現(xiàn)對(duì)NQI 平臺(tái)服務(wù)指標(biāo)屬性的歸一化處理.依據(jù)不同的指標(biāo)屬性值將最終評(píng)價(jià)等級(jí)分為非常滿意（V1）、滿意（V2）、不滿意（V3）、非常不滿意（V4）.

在完成對(duì)NQI 平臺(tái)服務(wù)質(zhì)量指標(biāo)的選取與量化后，需要合適的評(píng)價(jià)模型并結(jié)合這些質(zhì)量指標(biāo)對(duì)NQI 平臺(tái)的服務(wù)質(zhì)量進(jìn)行具體的評(píng)價(jià).提出基于OPCA-IGAFNN 的NQI 平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)模型用于對(duì)NQI平臺(tái)的評(píng)價(jià)分析.

2 NQI平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)模型研究

2.1 基于OPCA的NQI平臺(tái)評(píng)價(jià)數(shù)據(jù)降維

為提高評(píng)價(jià)模型的收斂速度，提高NQI 平臺(tái)的評(píng)價(jià)效率，利用OPCA依據(jù)NQI輸入指標(biāo)之間的相關(guān)性，對(duì)輸入指標(biāo)進(jìn)行降維.

在傳統(tǒng)PCA 分析時(shí)，對(duì)每一個(gè)指標(biāo)變量賦予相同比重，忽略了指標(biāo)變量的重要性.因此，利用斯皮爾曼（Spearman）相關(guān)系數(shù)法對(duì)PCA 加以優(yōu)化，對(duì)原始數(shù)據(jù)的指標(biāo)變量與最終評(píng)價(jià)值之間的關(guān)聯(lián)度系數(shù)進(jìn)行計(jì)算并分析.

對(duì)于N個(gè)樣本、n個(gè)評(píng)價(jià)指標(biāo)的數(shù)據(jù)集X為：

OPCA 降維過(guò)程可描述為：利用Spearman 相關(guān)系數(shù)分析獲得每個(gè)評(píng)價(jià)指標(biāo)變量的相關(guān)系數(shù)矩陣Rnn；參閱文獻(xiàn)［16］，對(duì)原始評(píng)價(jià)指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化操作，得到xij的標(biāo)準(zhǔn)化值為：

由相關(guān)系數(shù)矩陣與標(biāo)準(zhǔn)化后的評(píng)價(jià)數(shù)據(jù)的乘積組合得到新的矩陣PNn，計(jì)算矩陣PNn的特征值(λ1，λ2，…，λn)，λ按從大到小的順序排列；然后，通過(guò)計(jì)算累計(jì)方差貢獻(xiàn)率Cp，選取Cp大于90%的前p個(gè)特征值作為主成分，有

將選取的前p個(gè)主成分作為新的評(píng)價(jià)指標(biāo)引入NQI 平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)模型中，以降維后的數(shù)據(jù)作為評(píng)價(jià)模型的輸入，進(jìn)行后續(xù)的評(píng)價(jià)分析.

2.2 基于FNN的NQI平臺(tái)評(píng)價(jià)模型

在得到降維后的輸入評(píng)價(jià)指標(biāo)數(shù)據(jù)后，利用FNN 模型對(duì)NQI 平臺(tái)開(kāi)展進(jìn)一步的評(píng)價(jià)分析.模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示.

圖2 FNN結(jié)構(gòu)圖Fig.2 Structure diagram of FNN

第1 層為輸入層，將NQI 評(píng)價(jià)模型輸入指標(biāo)U=［x1，x2，…，xn］T傳送到下一層.第2 層為模糊化層，也稱為隸屬度函數(shù)層，用于計(jì)算每個(gè)輸入指標(biāo)隸屬于各評(píng)價(jià)結(jié)果的隸屬度函數(shù)，即

式中：n表示輸入指標(biāo)的維度；mi是xi的模糊分割數(shù)；cij和σij分別代表隸屬函數(shù)的中心值和寬度.

第3 層為模糊推理層，用來(lái)計(jì)算每條模糊規(guī)則的適應(yīng)度αj，匹配規(guī)則為：

第4層為歸一化層，即

第5 層為輸出層，實(shí)現(xiàn)反模糊化處理，進(jìn)行清晰計(jì)算，即

式中：wij表示yi的第j個(gè)評(píng)價(jià)值隸屬度函數(shù)的中心點(diǎn).

在確定各輸入分量的模糊分割數(shù)之后，F(xiàn)NN 利用梯度算法［17］優(yōu)化模糊化層的隸屬函數(shù)的中心值cij和寬度σij(i=1，2，…，n；j=1，2，…，m).

基于OPCA 降維模型，可將p個(gè)NQI 平臺(tái)評(píng)價(jià)指標(biāo)作為FNN 的輸入變量，即U=｛X1，X2，…，Xp-1，Xp｝.評(píng)價(jià)集由多名NQI 領(lǐng)域研究專(zhuān)家以及NQI 服務(wù)平臺(tái)的相關(guān)行業(yè)用戶對(duì)NQI 平臺(tái)服務(wù)質(zhì)量給出的4 個(gè)等級(jí)組成，即V=｛V1，V2，V3，V4｝.因此，本文評(píng)價(jià)模型中的輸入節(jié)點(diǎn)個(gè)數(shù)為p，輸出節(jié)點(diǎn)數(shù)為4.根據(jù)專(zhuān)家給出各評(píng)價(jià)指標(biāo)對(duì)評(píng)價(jià)等級(jí)的隸屬程度，構(gòu)造隸屬度矩陣G，通過(guò)對(duì)不同指標(biāo)賦予權(quán)重，可計(jì)算NQI 平臺(tái)的評(píng)價(jià)值Yi，并將其作為FNN的輸出變量.

2.3 基于IGA的FNN模型參數(shù)優(yōu)化

由于FNN評(píng)價(jià)模型學(xué)習(xí)算法梯度下降法會(huì)導(dǎo)致FNN 參數(shù)尋優(yōu)陷入局部最優(yōu)解，無(wú)法達(dá)到全局最優(yōu)［18］，提出IGA優(yōu)化FNN尋參性能，使隸屬度函數(shù)的中心值cij和寬度σij獲得最優(yōu)解，最終通過(guò)最優(yōu)中心值和寬度得到評(píng)價(jià)值.

傳統(tǒng)遺傳算法在尋優(yōu)過(guò)程中交叉概率pc和變異概率pm保持初值不變，限制了其全局搜索性能［19］.因此，IGA 隨著迭代次數(shù)自適應(yīng)調(diào)整交叉概率與變異概率，在保證其優(yōu)化性能的同時(shí)提高其搜索速度.交叉與變異概率的調(diào)整分別如式（9）和式（10）所示.

式中：pc和分別為初始與改進(jìn)交叉概率；pm與分別為初始以及改進(jìn)變異概率；k表示當(dāng)前遺傳代數(shù)；K表示最大遺傳代數(shù).

2.4 基于OPCA-IGAFNN 的NQI平臺(tái)評(píng)價(jià)框圖

結(jié)合OPCA 與IGAFNN，本節(jié)進(jìn)一步提出基于OPCA-IGAFNN 的NQI 平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)框圖，如圖3所示，描述如下.

圖3 基于OPCA-IGAFNN 模型的評(píng)價(jià)框圖Fig.3 Framework based on OPCA-IGAFNN model

1）對(duì)原始NQI 平臺(tái)評(píng)價(jià)指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，即數(shù)據(jù)歸一化處理.

2）對(duì)歸一化后的評(píng)價(jià)指標(biāo)數(shù)據(jù)進(jìn)行主成分分析，選出累計(jì)方差貢獻(xiàn)率Cp≥90%的p個(gè)主成分作為模型輸入的訓(xùn)練樣本和測(cè)試樣本.

3）選取隸屬度函數(shù)并確定FNN 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，利用IGA 算法對(duì)初始隸屬度函數(shù)參數(shù)進(jìn)行最優(yōu)解搜索，給出隸屬度函數(shù)的最優(yōu)參數(shù)及FNN的最優(yōu)權(quán)值.

4）利用新的NQI 平臺(tái)評(píng)價(jià)數(shù)據(jù)測(cè)試樣本及IGA算法給出的最優(yōu)參數(shù)對(duì)NQI平臺(tái)服務(wù)質(zhì)量進(jìn)行評(píng)價(jià).

3 應(yīng)用分析

3.1 NQI平臺(tái)評(píng)價(jià)數(shù)據(jù)獲取

為獲取NQI 平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)樣本數(shù)據(jù)，采取線上與線下并行的方式對(duì)不同地區(qū)、不同行業(yè)的多家企業(yè)進(jìn)行調(diào)研，主要涵蓋工程機(jī)械、新能源汽車(chē)、生物醫(yī)藥以及儀器儀表等領(lǐng)域的企業(yè)用戶以及研究專(zhuān)家進(jìn)行NQI平臺(tái)服務(wù)質(zhì)量滿意度調(diào)研.

本次問(wèn)卷設(shè)計(jì)根據(jù)李克特五級(jí)量表法對(duì)表1 中的NQI 評(píng)價(jià)指標(biāo)打分，分值包含1、2、3、4、5 分，分別對(duì)應(yīng)從非常不滿意到非常滿意.線上調(diào)研主要是通過(guò)設(shè)計(jì)調(diào)查問(wèn)卷，在問(wèn)卷星平臺(tái)發(fā)布，借助微信、郵箱等方式邀請(qǐng)NQI 平臺(tái)用戶以及專(zhuān)家進(jìn)行填寫(xiě).線下調(diào)研主要是通過(guò)對(duì)相關(guān)行業(yè)的企業(yè)用戶進(jìn)行實(shí)地調(diào)查走訪.對(duì)問(wèn)卷的填寫(xiě)質(zhì)量進(jìn)行嚴(yán)格把控，確保評(píng)價(jià)數(shù)據(jù)的真實(shí)性、有效性.本次共獲取300 份有效問(wèn)卷.

3.2 不同評(píng)價(jià)方法對(duì)比

結(jié)合采集到的NQI 平臺(tái)的樣本數(shù)據(jù)，將樣本按訓(xùn)練集與測(cè)試集7∶3 的比例劃分，設(shè)置網(wǎng)絡(luò)最大迭代步數(shù)為200 次，學(xué)習(xí)率為0.01，學(xué)習(xí)目標(biāo)設(shè)置為0.001，設(shè)置IGA 優(yōu)化算法的種群數(shù)量和最大迭代次數(shù)分別為100 和700，選取累積方差貢獻(xiàn)M≥90%的主成分因子作為后續(xù)NQI 平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)模型的輸入變量，使用MATLAB 工具對(duì)所提模型進(jìn)行仿真驗(yàn)證.

為驗(yàn)證優(yōu)化PCA-IGAFNN 模型（本文模型）的優(yōu)越性，通過(guò)仿真試驗(yàn)對(duì)比基于其他智能優(yōu)化算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)，以及基于其他智能評(píng)價(jià)方法的評(píng)價(jià)模型，分別對(duì)NQI平臺(tái)的服務(wù)質(zhì)量進(jìn)行評(píng)價(jià).本文選擇基于粒子群優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)（PSO-FNN）與基于優(yōu)化PCA 的支持向量機(jī)（PCA-SVM）作為對(duì)比模型.不同NQI 評(píng)價(jià)模型收斂過(guò)程的均方誤差對(duì)比如圖4所示.

圖4 不同NQI評(píng)價(jià)模型收斂過(guò)程的均方誤差對(duì)比Fig.4 Mean square error comparison of convergence process in different NQI evaluation models

由圖4 可知，PCA-IGAFNN 的尋優(yōu)迭代效果要優(yōu)于其他兩種評(píng)價(jià)模型，該評(píng)價(jià)模型在迭代20 步就處于收斂狀態(tài)，迭代100 步時(shí)均方誤差達(dá)到0.000 86；PSO-FNN 評(píng)價(jià)模型迭代將近30 步時(shí)趨于收斂狀態(tài)，而PCA-SVM 評(píng)價(jià)模型迭代將近38 步之后才收斂.雖然PSO-FNN 評(píng)價(jià)模型比PCA-SVM 評(píng)價(jià)模型的收斂速度快，但PCA-SVM 評(píng)價(jià)模型穩(wěn)定時(shí)的均方誤差要比PSO-FNN 的均方誤差小.不同NQI評(píng)價(jià)模型的測(cè)試誤差對(duì)比如圖5所示.

圖5 不同NQI評(píng)價(jià)模型的測(cè)試誤差對(duì)比Fig.5 Measurement error comparison of different NQI evaluation models

為進(jìn)一步驗(yàn)證所提模型的有效性，在測(cè)試集評(píng)估結(jié)果中補(bǔ)充對(duì)比了標(biāo)準(zhǔn)FNN 以及IGA-FNN 兩種評(píng)價(jià)模型.不同NQI 評(píng)價(jià)模型的評(píng)價(jià)結(jié)果如表3所示.

表3 不同NQI評(píng)價(jià)模型的評(píng)價(jià)結(jié)果Tab.3 Evaluation result of different NQI evaluation models

由圖5 和表3 可知，當(dāng)模型運(yùn)行數(shù)為50 時(shí)，標(biāo)準(zhǔn)FNN評(píng)價(jià)模型在測(cè)試集的均方誤差為0.093 86，為幾種評(píng)價(jià)模型中最差的評(píng)價(jià)模型，且收斂速度也是最慢的.針對(duì)兩種對(duì)FNN 加入不同優(yōu)化算法的評(píng)價(jià)模型，IGA-FNN 雖然在收斂速度上略遜于PSO-FNN，但在測(cè)試精度上要優(yōu)于PSO-FNN 評(píng)價(jià)模型.雖然IGA-FNN 和PSO-FNN 的收斂速度優(yōu)于PCA-SVM評(píng)價(jià)模型，但測(cè)試集的均方誤差要比PCA-SVM 評(píng)價(jià)模型差很多.雖然PCA-SVM 和PCA-IGAFNN 評(píng)價(jià)模型的測(cè)試誤差相差不大，但PCA-IGAFNN 模型的收斂速度要比PCA-SVM 模型的收斂速度快將近1倍.試驗(yàn)結(jié)果表明，本文提出的NQI平臺(tái)評(píng)價(jià)模型在收斂速度和評(píng)價(jià)結(jié)果準(zhǔn)確度方面都具有較好的效果.

3.3 NQI平臺(tái)的改進(jìn)建議

利用OPCA-IGAFNN 模型對(duì)NQI 平臺(tái)進(jìn)行服務(wù)質(zhì)量評(píng)價(jià)，部分評(píng)價(jià)結(jié)果如表4 所示.表4 中，Y1～Y4分別表示NQI 平臺(tái)4 個(gè)評(píng)價(jià)等級(jí)非常滿意、滿意、不滿意與非常不滿意的評(píng)價(jià)值；樣本1～4分別為4個(gè)不同評(píng)價(jià)等級(jí)的樣本.由表4 可知，本文評(píng)價(jià)模型具有較高準(zhǔn)確度，例如樣本4 中Y4評(píng)價(jià)值為0.999 999，評(píng)價(jià)值遠(yuǎn)高于Y1～Y3，由此樣本4 的評(píng)價(jià)等級(jí)劃歸為非常不滿意.

表4 NQI平臺(tái)部分評(píng)價(jià)結(jié)果Tab.4 Partial evaluation results for NQI platform

為了對(duì)NQI 平臺(tái)的發(fā)展和完善提供改進(jìn)建議，選取測(cè)試集中OPCA-IGAFNN 模型評(píng)價(jià)結(jié)果為不滿意與非常不滿意的所有評(píng)價(jià)樣本進(jìn)行比較分析，結(jié)合用戶對(duì)NQI 平臺(tái)不同評(píng)價(jià)指標(biāo)的評(píng)價(jià)得分發(fā)現(xiàn)，目前NQI 平臺(tái)主要存在以下兩點(diǎn)問(wèn)題，其一是平臺(tái)的計(jì)量技術(shù)在新興領(lǐng)域相對(duì)落后，標(biāo)準(zhǔn)體系不夠完善，檢驗(yàn)檢測(cè)服務(wù)機(jī)構(gòu)較少，不能滿足產(chǎn)業(yè)發(fā)展的需求；其二是地區(qū)間的NQI 資源發(fā)展不平衡，服務(wù)機(jī)構(gòu)的數(shù)量和規(guī)模不能滿足地方經(jīng)濟(jì)發(fā)展的需求.

NQI平臺(tái)在未來(lái)的發(fā)展中，應(yīng)對(duì)NQI配套設(shè)施進(jìn)一步完善，融入多元化的NQI 供需方客戶，加強(qiáng)平臺(tái)與高校和科研機(jī)構(gòu)儀器設(shè)備的共享，提升區(qū)域NQI水平，從而滿足不同用戶的需求.為此，提出以下幾點(diǎn)建議.

1）整合更多服務(wù)資源，提高平臺(tái)服務(wù)效率.整合不同區(qū)域、不同行業(yè)間的計(jì)量、標(biāo)準(zhǔn)等質(zhì)量要素服務(wù)資源，打破區(qū)域資源分配不均衡的壁壘，不斷提升NQI平臺(tái)的服務(wù)質(zhì)量.

2）加強(qiáng)國(guó)際交流，引進(jìn)先進(jìn)技術(shù).我國(guó)部分新興產(chǎn)業(yè)的技術(shù)還處于空白，NQI 綜合體系不夠完善，NQI平臺(tái)的發(fā)展要符合國(guó)際標(biāo)準(zhǔn)，并引進(jìn)國(guó)外NQI的建設(shè)經(jīng)驗(yàn)及先進(jìn)技術(shù).

3）提升用戶的體驗(yàn)感.為提升用戶的使用體驗(yàn)，平臺(tái)可以在主界面設(shè)置精確的服務(wù)類(lèi)別導(dǎo)航；巧妙設(shè)計(jì)文字和圖片的布局；在介紹服務(wù)資源時(shí)配套清晰的服務(wù)流程.

4 結(jié)論

本文搭建了一種基于OPCA-IGAFNN 的NQI 平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)模型.利用OPCA 算法對(duì)NQI 評(píng)價(jià)指標(biāo)數(shù)據(jù)進(jìn)行適當(dāng)處理，刪除評(píng)價(jià)數(shù)據(jù)間的冗余信息，降低FNN 的輸入維度；通過(guò)分析傳統(tǒng)FNN 評(píng)價(jià)模型的不足，提出IGAFNN 評(píng)價(jià)模型，進(jìn)而對(duì)NQI 平臺(tái)服務(wù)質(zhì)量進(jìn)行科學(xué)合理評(píng)價(jià)，提高評(píng)價(jià)的準(zhǔn)確性.通過(guò)與其他常用的評(píng)價(jià)模型進(jìn)行對(duì)比分析，結(jié)果表明，所提出評(píng)價(jià)模型優(yōu)化效果更好，具有精度更高、速度更快等優(yōu)點(diǎn).最后，針對(duì)試驗(yàn)采集的NQI平臺(tái)服務(wù)質(zhì)量評(píng)價(jià)數(shù)據(jù)，對(duì)我國(guó)NQI 平臺(tái)的發(fā)展和完善提出了改進(jìn)建議.