唐求 吳娟 滕召勝 馬俊

摘要：針對傳統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)（FNN）評價模型在國家質(zhì)量基礎(chǔ)設(shè)施（NQI）綜合服務(wù)信息平臺的服務(wù)質(zhì)量評價中存在收斂速度慢、易陷入局部最優(yōu)解等問題，提出一種基于優(yōu)化主成分分析法（OPCA）與改進(jìn)遺傳算法（IGA）的模糊神經(jīng)網(wǎng)絡(luò)智能評價方法.為提高FNN的網(wǎng)絡(luò)收斂速度，利用OPCA根據(jù)評價指標(biāo)間的相關(guān)性，刪除冗余指標(biāo)因素，減少網(wǎng)絡(luò)輸入量，實現(xiàn)對網(wǎng)絡(luò)輸入的降維處理；將IGA與FNN相結(jié)合，利用自適應(yīng)的交叉與變異概率對FNN隸屬函數(shù)的系數(shù)進(jìn)行全局搜索，克服FNN在智能評價時容易陷入局部極值問題.基于我國實際的NQI綜合服務(wù)信息平臺服務(wù)質(zhì)量調(diào)研數(shù)據(jù)開展試驗分析，結(jié)果表明，OPCA-IGAFNN評價模型具有高效、準(zhǔn)確的評價效果.

關(guān)鍵詞：國家質(zhì)量基礎(chǔ)設(shè)施綜合服務(wù)信息平臺；評價方法；模糊神經(jīng)網(wǎng)絡(luò)；優(yōu)化主成分分析；改進(jìn)遺傳算法

中圖分類號：TP391文獻(xiàn)標(biāo)志碼：A

Service Quality Evaluation for NQI Comprehensive Service Platform Based on OPCA-IGAFNN

TANG qiu，WU Juan，TENG Zhaosheng，MA Jun

（College of Electrical and Information Engineering，Hunan University，Changsha 410082，China）

Abstract：Aiming at the problems of the traditional Fuzzy Neural Network （FNN）evaluation model in the service quality evaluation of the National Quality Infrastructure （NQI）comprehensive service information platform，such as slow convergence speed and likely falling into the local optimal solution，a fuzzy neural network intelligent evaluation method based on Optimized Principal Component Analysis （OPCA）and Improved Genetic Algorithm （IGA）was proposed. In order to improve the network convergence speed of FNN，OPCA was used to delete redundant index factors reduce the amount of network input，and realize the dimensionality reduction of network input，according to the correlation between evaluation indexes. Then，IGA is combined with FNN，and the coefficients of the membership function of FNN are searched globally by using adaptive crossover and mutation probability，so as to overcome the problem that FNN is easy to fall into local extremum in intelligent evaluation effectively. Based on the actual service quality survey data of the NQI platform in China，the experimental analysis shows that the OPCA-IGAFNN evaluation model has a more efficient and accurate evaluation effect.

Key words：national quality infrastructure comprehensive service information platform；evaluation method；fuzzy neural networks；optimized principal component analysis；improved genetic algorithm

我國將計量、標(biāo)準(zhǔn)、認(rèn)證認(rèn)可和檢驗檢測四要素統(tǒng)稱為國家質(zhì)量基礎(chǔ)設(shè)施（National Quality Infrastructure，NQI），在產(chǎn)業(yè)轉(zhuǎn)型升級、技術(shù)創(chuàng)新、提高產(chǎn)業(yè)生產(chǎn)效率等方面，都有著積極的推動作用［1-2］.NQI綜合服務(wù)信息平臺（以下簡稱“NQI平臺”）利用計算機(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現(xiàn)國家資源優(yōu)化配置[3].為更好地管理NQI平臺從而提升平臺的服務(wù)質(zhì)量，使平臺發(fā)揮最大能效，對NQI平臺的服務(wù)質(zhì)量進(jìn)行準(zhǔn)確、合理評價顯得尤為重要.

NQI平臺服務(wù)質(zhì)量的評價是一個科學(xué)的研究過程，評價的關(guān)鍵是建立科學(xué)的評價模型.早期的評價模型中，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，決策者的專業(yè)水平對評價結(jié)果的準(zhǔn)確率產(chǎn)生較大影響，導(dǎo)致評價的有效性和科學(xué)性不夠[4].因此，結(jié)合數(shù)學(xué)分析[5]對NQI平臺服務(wù)質(zhì)量進(jìn)行多因素的綜合評價具有廣泛的應(yīng)用前景.

常用的數(shù)學(xué)分析模型有層次分析模型、模糊綜合評價、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價的指標(biāo)體系，具有較高的實用性.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，往往因?qū)＜一蛟u價者的價值觀和偏見而產(chǎn)生差異，使得評價結(jié)果有很強(qiáng)的主觀性.文獻(xiàn)［8］利用熵權(quán)模糊綜合評價模型對水潤滑尾軸承性能進(jìn)行評估，建立了較為準(zhǔn)確的水潤滑尾軸承評估體系.但模糊綜合評價模型在評價過程中確定指標(biāo)權(quán)重這一過程，仍是由人為給定或?qū)＜姨峁9]，導(dǎo)致評價結(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)測精度高、評價客觀等優(yōu)點，已被廣泛應(yīng)用于各類綜合評價問題中[11].文獻(xiàn)［12］利用FNN構(gòu)建第三方電商結(jié)匯平臺評價體系，可幫助商家針對性地選擇合適的結(jié)匯平臺.但在實際應(yīng)用中，傳統(tǒng)FNN模型仍舊存在不足，在綜合評價時評價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平臺的服務(wù)質(zhì)量在評估過程中存在高維度非線性優(yōu)化問題，傳統(tǒng)的評價算法無法滿足其需求.因此，針對傳統(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智能評價方法，由OPCA實現(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NQI平臺服務(wù)質(zhì)量的整體評估性能.

1NQI平臺服務(wù)質(zhì)量評價指標(biāo)構(gòu)建

1.1NQI平臺

NQI平臺涉及工程機(jī)械、生物醫(yī)藥、電子電器、材料等多個行業(yè)，為產(chǎn)業(yè)轉(zhuǎn)型升級提供全流程的NQI資源服務(wù).通過在線整合計量服務(wù)資源、標(biāo)準(zhǔn)服務(wù)資源、檢驗檢測服務(wù)資源和認(rèn)證認(rèn)可服務(wù)資源，實現(xiàn)計量服務(wù)、標(biāo)準(zhǔn)服務(wù)、檢驗檢測服務(wù)和認(rèn)證認(rèn)可服務(wù)等功能.NQI平臺服務(wù)示意圖如圖1所示.

由圖1可知，需求方（企業(yè)、政府、相關(guān)研究單位等）在NQI平臺發(fā)布計量、標(biāo)準(zhǔn)、檢驗檢測等服務(wù)需求，通過平臺的關(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，方便快捷實現(xiàn)供需雙方間的溝通，并對服務(wù)內(nèi)容、服務(wù)效果等快速形成有效共識.服務(wù)機(jī)構(gòu)也可向平臺發(fā)布服務(wù)資源信息，為平臺提供關(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，需求方可向平臺提供服務(wù)滿意度反饋，為平臺的高質(zhì)量發(fā)展提供指導(dǎo)性建議.

1.2NQI平臺評價指標(biāo)選擇

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

依據(jù)評價指標(biāo)體系構(gòu)建原則和NQI平臺的功能與特點，梳理用戶對NQI平臺的使用需求，結(jié)合專家建議并參考國內(nèi)外已有的服務(wù)平臺評價指標(biāo)體系，確立由計量發(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、合格評定發(fā)展水平和服務(wù)能力、便利性和專業(yè)規(guī)范性5個一級指標(biāo)和21個二級指標(biāo)的NQI平臺服務(wù)質(zhì)量評價指標(biāo)體系，具體如表1所示.

1.3NQI平臺評價指標(biāo)量化處理

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

指標(biāo)賦值是進(jìn)行指標(biāo)量化評價的前提.借鑒相關(guān)公共平臺服務(wù)質(zhì)量評價的國家標(biāo)準(zhǔn)與相關(guān)科研成果必，咨詢領(lǐng)域內(nèi)有經(jīng)驗的專家，將所建立的每個指標(biāo)按其特點分為5個等級進(jìn)行評分，評分越高性能越強(qiáng).以計量發(fā)展水平和服務(wù)能力（A₁）為例，相應(yīng)評價指標(biāo)的量化結(jié)果如表2所示，其中的等級劃分是依據(jù)用戶以及專家的實際體驗確定的.以儀器設(shè)備的多樣性為例“較少”表明該指標(biāo)處于第一個等級，其評分最低，表明用戶對該指標(biāo)的滿意度最差.

對各個指標(biāo)完成量化后，需要規(guī)范各評價指標(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)范方法實現(xiàn)對NQI平臺服務(wù)指標(biāo)屬性的歸一化處理.依據(jù)不同的指標(biāo)屬性值將最終評價等級分為非常滿意（V₁）、滿意（V₂）、不滿意（V₃）、非常不滿意（V₄）.

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

2NQI平臺服務(wù)質(zhì)量評價模型研究

2.1基于OPCA的NQI平臺評價數(shù)據(jù)降維

為提高評價模型的收斂速度，提高NQI平臺的評價效率，利用OPCA依據(jù)NQI輸入指標(biāo)之間的相關(guān)性，對輸入指標(biāo)進(jìn)行降維.

在傳統(tǒng)PCA分析時，對每一個指標(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PCA加以優(yōu)化，對原始數(shù)據(jù)的指標(biāo)變量與最終評價值之間的關(guān)聯(lián)度系數(shù)進(jìn)行計算并分析.

對于N個樣本、n個評價指標(biāo)的數(shù)據(jù)集X為：

OPCA降維過程可描述為：利用Spearman相關(guān)系數(shù)分析獲得每個評價指標(biāo)變量的相關(guān)系數(shù)矩陣R_nn；參閱文獻(xiàn)[16]，對原始評價指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化操作，得到x_ij的標(biāo)準(zhǔn)化值x′_ij為：

由相關(guān)系數(shù)矩陣與標(biāo)準(zhǔn)化后的評價數(shù)據(jù)的乘積組合得到新的矩陣P_Nn，計算矩陣P_Nn的特征值（λ₁，λ₂，…，λ_n），λ按從大到小的順序排列；然后，通過計算累計方差貢獻(xiàn)率C_p，選取C_p大于90%的前p個特征值作為主成分，有

將選取的前p個主成分作為新的評價指標(biāo)引入NQI平臺服務(wù)質(zhì)量評價模型中，以降維后的數(shù)據(jù)作為評價模型的輸入，進(jìn)行后續(xù)的評價分析.

2.2基于FNN的NQI平臺評價模型

在得到降維后的輸入評價指標(biāo)數(shù)據(jù)后，利用FNN模型對NQI平臺開展進(jìn)一步的評價分析.模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示.

第1層為輸入層，將NQI評價模型輸入指標(biāo)U=[x₁，x₂，…，x_n]^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，用于計算每個輸入指標(biāo)隸屬于

式中：n表示輸入指標(biāo)的維度；m_i是x_i的模糊分割數(shù)；c_ij和σ_ij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，用來計算每條模糊規(guī)則的適應(yīng)度α_j，匹配規(guī)則為：

有

i₁∈{1，2，…，m₁}，…，i_n∈{1，2，…，m_n}；j=1，2，…，m（6）

第4層為歸一化層，即

第5層為輸出層，實現(xiàn)反模糊化處理，進(jìn)行清晰計算，即

式中：w_ij表示y_i的第j個評價值隸屬度函數(shù)的中心點.

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c_ij和寬度σ_ij（i=1，2，…，n；j = 1，2，…，m）.

基于OPCA降維模型，可將p個NQI平臺評價指標(biāo)作為FNN的輸入變量，即U={X₁，X₂，…，X_p-1，X_p}.評價集由多名NQI領(lǐng)域研究專家以及NQI服務(wù)平臺的相關(guān)行業(yè)用戶對NQI平臺服務(wù)質(zhì)量給出的4個等級組成，即V={V₁，V₂，V₃，V₄}.因此，本文評價模型中的輸入節(jié)點個數(shù)為p，輸出節(jié)點數(shù)為4.根據(jù)專家給出各評價指標(biāo)對評價等級的隸屬程度，構(gòu)造隸屬度矩陣G，通過對不同指標(biāo)賦予權(quán)重，可計算NQI平臺的評價值Y_i，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評價模型學(xué)習(xí)算法梯度下降法會導(dǎo)致FNN參數(shù)尋優(yōu)陷入局部最優(yōu)解，無法達(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c_ij和寬度σ_ij獲得最優(yōu)解，最終通過最優(yōu)中心值和寬度得到評價值.

傳統(tǒng)遺傳算法在尋優(yōu)過程中交叉概率p_c和變異概率p_m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：p_c和p′_c分別為初始與改進(jìn)交叉概率；p_m與p′_m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平臺評價框圖

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

1）對原始NQI平臺評價指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，即數(shù)據(jù)歸一化處理.

2）對歸一化后的評價指標(biāo)數(shù)據(jù)進(jìn)行主成分分析，選出累計方差貢獻(xiàn)率C_p≥90%的p個主成分作為模型輸入的訓(xùn)練樣本和測試樣本.

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平臺評價數(shù)據(jù)測試樣本及IGA算法給出的最優(yōu)參數(shù)對NQI平臺服務(wù)質(zhì)量進(jìn)行評價.

3應(yīng)用分析

3.1NQI平臺評價數(shù)據(jù)獲取

為獲取NQI平臺服務(wù)質(zhì)量評價樣本數(shù)據(jù)，采取線上與線下并行的方式對不同地區(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、生物醫(yī)藥以及儀器儀表等領(lǐng)域的企業(yè)用戶以及研究專家進(jìn)行NQI平臺服務(wù)質(zhì)量滿意度調(diào)研.

本次問卷設(shè)計根據(jù)李克特五級量表法對表1中的NQI評價指標(biāo)打分，分值包含1、2、3、4、5分，分別對應(yīng)從非常不滿意到非常滿意.線上調(diào)研主要是通過設(shè)計調(diào)查問卷，在問卷星平臺發(fā)布，借助微信、郵箱等方式邀請NQI平臺用戶以及專家進(jìn)行填寫.線下調(diào)研主要是通過對相關(guān)行業(yè)的企業(yè)用戶進(jìn)行實地調(diào)查走訪.對問卷的填寫質(zhì)量進(jìn)行嚴(yán)格把控，確保評價數(shù)據(jù)的真實性、有效性.本次共獲取300份有效問卷.

3.2不同評價方法對比

結(jié)合采集到的NQI平臺的樣本數(shù)據(jù)，將樣本按訓(xùn)練集與測試集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平臺服務(wù)質(zhì)量評價模型的輸入變量，使用MATLAB工具對所提模型進(jìn)行仿真驗證.

為驗證優(yōu)化PCA-IGAFNN模型（本文模型）的優(yōu)越性，通過仿真試驗對比基于其他智能優(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價方法的評價模型，分別對NQI平臺的服務(wù)質(zhì)量進(jìn)行評價.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）作為對比模型.不同NQI評價模型收斂過程的均方誤差對比如圖4所示.

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

為進(jìn)一步驗證所提模型的有效性，在測試集評估結(jié)果中補(bǔ)充對比了標(biāo)準(zhǔn)FNN以及IGA-FNN兩種評價模型.不同NQI評價模型的評價結(jié)果如表3所示.

由圖5和表3可知，當(dāng)模型運行數(shù)為50時，標(biāo)準(zhǔn)FNN評價模型在測試集的均方誤差為0.093 86，為幾種評價模型中最差的評價模型，且收斂速度也是最慢的.針對兩種對FNN加入不同優(yōu)化算法的評價模型，IGA-FNN雖然在收斂速度上略遜于PSO-FNN，但在測試精度上要優(yōu)于PSO-FNN評價模型.雖然IGA-FNN和PSO-FNN的收斂速度優(yōu)于PCA-SVM評價模型，但測試集的均方誤差要比PCA-SVM評價模型差很多.雖然PCA-SVM和PCA-IGAFNN評價模型的測試誤差相差不大，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.試驗結(jié)果表明，本文提出的NQI平臺評價模型在收斂速度和評價結(jié)果準(zhǔn)確度方面都具有較好的效果.

3.3NQI平臺的改進(jìn)建議

利用OPCA-IGAFNN模型對NQI平臺進(jìn)行服務(wù)質(zhì)量評價，部分評價結(jié)果如表4所示.表4中，Y₁～Y₄分別表示NQI平臺4個評價等級非常滿意、滿意、不滿意與非常不滿意的評價值；樣本1～4分別為4個不同評價等級的樣本.由表4可知，本文評價模型具有較高準(zhǔn)確度，例如樣本4中Y₄評價值為0.999 999，評價值遠(yuǎn)高于Y₁～Y₃，由此樣本4的評價等級劃歸為非常不滿意.

為了對NQI平臺的發(fā)展和完善提供改進(jìn)建議，選取測試集中OPCA-IGAFNN模型評價結(jié)果為不滿意與非常不滿意的所有評價樣本進(jìn)行比較分析，結(jié)合用戶對NQI平臺不同評價指標(biāo)的評價得分發(fā)現(xiàn)，目前NQI平臺主要存在以下兩點問題，其一是平臺的計量技術(shù)在新興領(lǐng)域相對落后，標(biāo)準(zhǔn)體系不夠完善，檢驗檢測服務(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平臺在未來的發(fā)展中，應(yīng)對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，提出以下幾點建議.

1）整合更多服務(wù)資源，提高平臺服務(wù)效率.整合不同區(qū)域、不同行業(yè)間的計量、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平臺的服務(wù)質(zhì)量.

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

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

4結(jié)論

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

參考文獻(xiàn)

[1]宮軻楠，于連超，徐學(xué)林.我國國家質(zhì)量基礎(chǔ)設(shè)施發(fā)展戰(zhàn)略研究[J].中國工程科學(xué)，2021，23（3）：46-52.

GONG K N，YU L C，XU X L. Development strategy of national quality infrastructure in China [J]. Strategic Study of CAE，2021，23（3）：46-52. （In Chinese）

[2]蔣家東，李相稹，鄭立偉.國家質(zhì)量基礎(chǔ)設(shè)施研究綜述[J].工業(yè)工程與管理，2019，24（2）：198-205.

JIANG JD，LIXZ，ZHENG L W. National quality infrastructure：a review [J]. Industrial Engineering and Management，2019，24 （2）：198-205.（In Chinese）

[3]程彥，潘鑫峰，陳岳飛.構(gòu)建國家質(zhì)量基礎(chǔ)設(shè)施（NQI）協(xié)同服務(wù)平臺的路徑研究[J].中國檢驗檢測，2020，28（1）：3-5.

CHENG Y，PAN X F，CHEN Y F. Study on the path of building a national quality infrastructure （NQI）collaborative service platform [J]. China Inspection Body & Laboratory，2020，28（1）：35.（In Chinese）

[4] CHOI D G，HYUN O S，HONG J I，et al. Standards as catalyst for national innovation and performance：a capability assessment framework for latecomer countries [J]. Total Quality Management & Business Excellence，2014，25（9/10）：969-985.

[5]劉韻琴，劉云國，郭一明，等.基于多層級灰色理論的重金屬污染水資源開發(fā)潛力評價：以湘江長株潭段為例[J].湖南大學(xué)學(xué)報（自然科學(xué)版），2014，41（7）：84-89.

LIU Y Q，LIU Y G，GUO Y M，et al. Potential evaluation of heavy metal polluted water resource development based on the multilevel grey system theory：case study of the Chang-Zhu-Tan section of the Xiangjiang River [J]. Journal of Hunan University （Natural Sciences），2014，41（7）：84-89.（In Chinese）

[6]陳娜，向輝，葉強(qiáng)，等.基于層次分析法的彈性城市評價體系研究[J].湖南大學(xué)學(xué)報（自然科學(xué)版），2016，43（7）：146-150.

CHEN N，XIANG H，YE Q，et al. An AHP-based approach for evaluation index system of resilience city [J]. Journal of Hunan University （Natural Sciences），2016，43（7）：146-150. （In Chinese）

[7]ZHANG L，ZOU Z H，SHAN W. Development of a method for comprehensive water quality forecasting and its application in Miyun reservoir of Beijing，China [J]. Journal of Environmental Sciences，2017，56（6）：240-246.

[8]歐陽武，程啟超，金勇，等.基于嫡權(quán)模糊綜合評價法的水潤滑尾軸承性能評估[J].中國機(jī)械工程，2020，31（12）：1407-1414.

OUYAN G W，CHENG Q C，JIN Y，et al. Performance evaluation of water lubricated stern bearings based on entropy weight fuzzy comprehensive evaluation method[J]. China Mechanical Engineer- ing，2020，31（12）：1407-1414.（In Chinese）

[9]YAN J Z，XU Z B，YU Y C，et al. Application of a hybrid optimized BP network model to estimate water quality parameters of Beihai Lake in Beijing [J]. Applied Sciences，2019，9（9）：1863.

[10] MOSLEH M，OTADI M. Simulation and evaluation of system of fuzzy linear Fredholm integro-differential equations with fuzzy neural network[J]. Neural Computing and Applications，2019，31 （8）：3481-3491.

[11]王月月，陳民鈾，賴偉，等.基于MOSFET外特性參量的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)狀態(tài)評估模型[J].電工技術(shù)學(xué)報，2018，33（18）：4286-4294.

WANG Y Y，CHEN M Y，LAI W，et al. Healthy condition assessment on MOSFET based on external characteristic parameters and adaptive neuro-fuzzy inference system[J]. Transactions of China Electrotechnical Society，2018，33 （18）：4286-4294. （In Chinese）

[12]周翔，周笛，郭燕.第三方跨境電商結(jié)匯平臺評價指標(biāo)體系構(gòu)建研究：基于模糊神經(jīng)網(wǎng)絡(luò)[J].現(xiàn)代管理科學(xué)，2021（3）：113-120.

ZHOU X，ZHOU D，GUO Y. Research on the evaluation index system of the third-party cross-border e-commerce settlement platform：based on fuzzy and neural network[J]. Modern Management Science，2021（3）：113-120.（In Chinese）

[13]葉林，陳政，趙永寧，等.基于遺傳算法-模糊徑向基神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測模型[J].電力系統(tǒng)自動化，2015，39 （16）：16-22.

YE L，CHEN Z，ZHAO Y N，et al. Photovoltaic power forecasting model based on genetic algorithm and fuzzy radial basis function neural network[J]. Automation of Electric Power Systems，2015，39（16）：16-22.（In Chinese）

[14]電子商務(wù)平臺服務(wù)質(zhì)量評價與等級劃分：GB/T 31526—2015[S].北京：國家標(biāo)準(zhǔn)化管理委員會，2015：9-10.

Evaluation and classification of service quality for electronic commerce platform：GB/T 31526—2015 [S]. Beijing：China National Standardization Management Committee，2015：9-10（. In Chinese）

[15]穆永錚，魯宗相，喬穎，等.基于多算子層次分析模糊評價的電網(wǎng)安全與效益綜合評價指標(biāo)體系[J].電網(wǎng)技術(shù)，2015，39 （1）：23-28.

MU Y Z，LU Z X，QIAO Y，et al. A comprehensive evaluation index system of power grid security and benefit based on multioperator fuzzy hierarchy evaluation method[J]. Power System Technology，2015，39（1）：23-28.（In Chinese）

[16]李東東，段維伊，周波，等.基于主成分分析的電力市場供應(yīng)側(cè)主體競爭潛力指數(shù)研究[J].電力系統(tǒng)保護(hù)與控制，2020，48 （19）：1-8.

LI D D，DUAN W Y，ZHOU B，et al. Competitive potential index of the supply side of the market entity based on principal component analysis[J]. Power System Protection and Control，2020，48 （19）：1-8.（In Chinese）

[17]朱熀秋，杜偉.基于模糊神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的無軸承永磁同步電機(jī)解耦控制[J].中國電機(jī)工程學(xué)報，2019，39（4）：1190-1198.

ZHU H Q，DU W. Decoupling control of bearingless permanent magnet synchronous motor based on inverse system using the adaptive neural-fuzzy inference system[J]. Proceedings of the CSEE，2019，39（4）：1190-1198.（In Chinese）

[18] LI Y，DONG W H，YANG Q X，et al. Automatic impedance matching method with adaptive network based fuzzy inference system for WPT[J]. IEEE Transactions on Industrial Informatics，2020，16（2）：1076-1085.

[19]馬俊，滕召勝，唐求，等.基于OGA-KSVR的電能計量設(shè)備測量誤差預(yù)測[J].儀器儀表學(xué)報，2021，42（6）：132-139.

MA J，TENG Z S，TANG Q，et al. Measurement error prediction of power metering equipment based on OGA-KSVR[J]. Chinese Journal of Scientific Instrument，2021，42（6）：132-139.（In Chinese）