基于机器学习的专业技术与技能质量测评模型优化分析

摘 要：技能质量关系到企业的核心竞争力，是企业转型升级的关键，构建基于机器学习的企业技能质量评价体系模型，提升企业技能质量评价准确性。以机器学习常用算法支持向量機（SVM）来设计企业技能质量评价体系模型，并采用改进天牛须搜索算法（BAS）对SVM参数优化，提出改进的BAS-SVM企业技能质量评价体系模型。对比该模型和SVM模型、BAS-SVM模型、层次分析法模型，结果表明，改进BAS-SVM企业技能质量评价体系模型的评价准确率高达94.8%，且具有良好的鲁棒性。

关键词：天牛须搜索算法；机器学习；技能质量评价体系；层次分析法；化工企业

中图分类号：TP391 文献标志码：A文章编号：1001-5922（2023）06-0140-04

Optimization analysis of professional technical and skill quality evaluation models based on machine learning

GAO Xiaoming

（Guoneng Shuohuang Railway Development Co.，LTD.，Yuanping 034100，Shanxi China）

Abstract：The quality of enterprise skills is related to the core competitiveness of enterprises and is the key to enterprise transformation and upgrading.Constructing a machine learning based evaluation system model for enterprise skill quality can improve the accuracy of enterprise skill quality evaluation.Design an enterprise skill quality evaluation system model using the commonly used machine learning algorithm Support Vector Machine （SVM），and optimize SVM parameters using the improved Beetle Antennae search algorithm （BAS） to propose an improved BAS-SVM enterprise skill quality evaluation system model.Comparing this model with SVM model，BAS-SVM model，and Analytic Hierarchy Process model，the results showed that the improved BAS-SVM enterprise skill quality evaluation system model had a high evaluation accuracy of 94.8% and good robustness.

Key words：beetle antennae search algorithm;machine learning;skill quality evaluation system;analytic hierarchy process;chemical enterprise

伴随着我国经济发展进入“新常态”，国民经济增长速度放缓。另外，环境污染、能源危机使得企业在发展过程中必须实施转型升级。企业技能质量评价关系到企业转型升级，通过构建科学的技能质量评价体系模型，提升企业技能质量。机器学习作为多学科交叉专业，是人工智能的科学，其通过数据或以往经验来对计算机程序进行优化。常见的机器学习算法有决策树算法、朴素贝叶斯算法、支持向量机算法、随机森林算法、人工神经网络算法等。支持向量机（SVM）作为一种有效的评价方法，在化工、水利、地质、教育方面得到了广泛应用[1]。何剑萍采用海洋捕食者算法对SVM模型的惩罚系数与核参数进行优化，构建了化工专业毕业生就业指导评价模型，并通过与其它模型的对比，验证了所提出的模型具有更佳的性能，有效提升了化工专业大学生就业质量[2]。潘萍采用蝙蝠优化算法对SVM模型的惩罚系数与核参数进行优化，并将其应用于工科专业人才培训质量评价中，指出PDCA实践教学模式能够有效提升工科人才培训质量[3]。王蕊构建了二叉树的SVM模型，并将其应用于化工产品英文字符识别中，其识别准确率高于传统的SVM方法[4]。通过对前人的研究综述发现，SVM作为机器学习常用算法在许多问题的解决中发挥着重要作用，而算法的参数优化极为重要，直接影响算法所构建系统的性能。对天牛须搜索算法（BAS）改进，优化SVM模型参数，构建企业技能质量评价体系模型。并将构建的企业技能质量评价体系模型应用于化工企业中，验证该质量评价体系模型的有效性。

1 技能质量评价体系

1.1 技能质量评价指标

企业技能是企业转型升级的关键，企业只有具有强大的技能，才能够使得转型升级得到顺利实施。从知识技能、绩效考核、企业氛围、发展潜力四个角度构建企业技能质量评价指标体系，对企业技能质量进行评价。知识技能是企业技能的基础，只有积累丰富的经验，拥有核心技术，利用先进技术，这样才能够达到企业技能提升的目的。绩效考核是对企业工作业绩的考核，主要通过企业经营目标达成情况、工作质量以及工作效率来体现。企业氛围是企业技能质量的软实力，只有具有良好的企业氛围，才能够更好地实现企业技能质量的提升。企业的发展潜力一定程度上反映了企业的技能质量，只有具有更好的技能质量才能够拥有更大的发展潜力。图1为企业技能质量评价指标体系。

1.2 技能质量评价体系模型

根据企业技能质量评价指标体系可以获得用于企业技能质量评价模型的训练数据。SVM作为机器学习的核心算法，其由Vapnik等人依据统计学理论提出。从本质上来讲，SVM是广义线性分类器，核心是寻找数据分类的超平面，该超平面对数据的分类使得数据集中的正例与反例隔离边缘最大化[5]。图2为SVM的体系结构。

1.3 改进BAS-SVM评价系统流程

采用改进BAS对SVM惩罚系数C与核函数参数g进行优化，得到改进BAS-SVM评价模型，结果如图4所示。

企业技能质量评价数据按照8∶2的比例划分为训练样本和测试样本[17]，采用训练样本对模型进行训练，得到用于企业技能质量评价的改进BAS-SVM模型。将训练好的改进BAS-SVM对测试样本进行评价，得到企业技能质量评价结果。

2 实例分析

2.1 数据来源

企业之间的竞争归根结底是企业技能的竞争，高水平的技能为企业转型升级提供强有力保障。特别是对化工企业，必须提升企业技能水平，才能够更好地适应社会的发展需求。以化工企业为例，按照图1所构建的企业技能质量评价指标体系来设计问卷调查表。通过对化工企业员工实施问卷调查，获取企业技能质量评价的数据集。考虑到不同指标之间存在的量纲差异，对数据进行归一化处理[18]，消除不同指标量纲差异的影响。企业技能质量评价体系原始数据样本量为300，按照8∶2的比例划分，其中训练样本量为240，測试样本量为60。

2.2 结果分析

为对比BAS优化SVM和改进BAS优化SVM对企业技能质量评价的准确率，给出其迭代次数与分类准确率关系曲线，结果如图5所示。

从图5可以看出，改进BAS优化SVM，伴随着迭代次数的增加，其分类准确率不断增大，同时在经过12次迭代之后，其已经寻找到了最优值。BAS优化SVM，其在经过22次迭代之后才寻找到了最优值，同时陷入了局部最优状态，这使得BAS优化得到的SVM参数组合不是最优参数。对比3种模型的准确率与运行时间，结果如表1所示。

由表1可知，改进BAS-SVM的准确率最高，为94.8%；SVM的准确率最低，为72.1%。从模型的运行时间来看，SVM的运行时间最短，但是3种模型运行时间相差非常小。总体评价，改进BAS-SVM对企业技能质量评价的准确率最高。

2.3 与层次分析法对比

层次分析法是处理复杂决策问题的有效方法，其将专家意见与分析者的客观判断有机结合，对企业技能质量的评价更加客观[19]。按照层次分析法评价流程对化工企业技能质量进行评价[20]，将企业技能质量评价划分为4个等级，评价得分60分以下为“差”，评价得分60～79分为“中”，评价得分80～89分为“良”，评价得分90分以上为“优”。抽取10个样本分别采用层次分析法模型和改进BAS-SVM进行企业技能质量评价，图2为2种评价方法得到的结果。

由表2可知，层次分析法和改进BAS-SVM对企业技能质量评价结果保持一致，即改进BAS-SVM模型是有效的。相对于层次分析法，改进BAS-SVM模型在企业技能质量评价方面更为突出的优势。这是因为对于样本4、6、7、9而言，采用层次分析法，计算过程中的误差很容易导致层次分析法所得的结果发生改变，即层次分析法鲁棒性比较差，而改进BAS-SVM模型对企业技能质量评价具有良好的鲁棒性。

3 结语

技能质量评价关系到企业技能的提升，进而影响到企业的转型升级。对SVM惩罚系数和核函数参数采用改进天牛须搜索算法进行优化，得到了企业技能质量评价的改进BAS-SVM模型。将改进BAS-SVM和BAS-SVM进行对比，改进BAS-SVM模型的准确率最高，为948.8%。采用改进BAS-SVM和层次分析法对化工企业技能质量进行评价，评价结果一致，同时改进BAS-SVM企业技能质量评价模型具有良好的鲁棒性。

【参考文献】

［1］王涛，李治军.PSO-SVM模型在黑龙江省水资源承载力评价中的应用[J].水电能源科学，2023，41（1）：30-33.

[2］何剑萍，黄晓兰，蒋大锐.基于MPA-SVM的技术实践与工作精准指向研究[J].粘接，2023，50（3）：122-126.

[3］潘萍，彭高丰，朱智平.基于PDCA循环的专业实践模式设计与实例分析[J].粘接，2023，50（3）：141-145.

[4］王蕊.基于图像处理的化工产品英文字符识别研究[J].粘接，2021，46（5）：76-79.

[5］张蜀红.基于支持向量机的机械设备故障诊断研究[J].粘接，2021，47（9）：129-132.

[6］时雷，孙佳佳，孙嘉玥，等.基于支持向量机和灰色BP神经网络的冬小麦晚霜冻害预测[J].江苏农业科学，2023，51（3）：178-187.

[7］余华，童馨.基于粒子群优化支持向量机的语音情感识别[J].电子器件，2022，45（5）：1100-1104.

[8］张建华，许衍彬，王雄伟.基于支持向量机和遗传算法的柔性砂带磨削刀具状态研究[J].工具技术，2021，55（12）：55-59.

[9］单斌斌，李华，谷瑞政，等.基于天牛须搜索算法的短期风电功率组合预测[J].科学技术与工程，2022，22（2）：540-546.

[10］汪祖民，田纪宇，王宝凤.改进天牛须搜索算法的工控系统入侵检测[J].计算机工程与设计，2021，42（8）：2108-2114.

[11］高泽海，刘洋，陈杰，等.基于增强天牛须搜索算法的专色配方预测方法[J].西北工业大学学报，2022，40（6）：1422-1430.

[12］曲云霄，林升垚，徐晋勇，等.基于天牛须搜索算法的电池模型参数辨识[J].电源技术，2021，45（6）：728-731.

[13］童耀南，曹鹂晨，赵舜楠.天牛须搜索算法实现小波滤波器直接频域逼近[J].电子测量与仪器学报，2021，35（3）：56-63.

[14］廖列法，杨红.天牛须搜索算法研究综述[J].计算机工程与应用，2021，57（12）：54-64.

[15］闫重熙，陈皓.基于改进天牛须搜索算法优化LSSVM短期电力负荷预测方法研究[J].电测与仪表，2020，57（6）：6-11.

[16］王宸，向长峰，王生怀.改进天牛须搜索算法在圆度误差评定中的研究[J].制造技术与机床，2019，689（11）：143-146.

[17］陈芯宇，师芸，温永啸，等.基于确定性系数与支持向量机的滑坡易发性评价[J].科学技术与工程，2023，23（2）：518-527.

[18］杨寒雨，赵晓永，王磊.数据归一化方法综述[J].计算机工程与应用，2023，59（3）：13-22.

[19］赵敏.基于层次分析法的地下水压采效果评价[J].人民黄河，2022，44（S2）：83-85.

[20］王帆，廉旭刚，蔡音飞.基于模糊层次分析法的采动地裂缝发育等级评价——以沁水煤田为例[J].科学技术与工程，2023，23（1）：129-136.

收稿日期：2023-02-24；修回日期：2023-05-06

作者简介：高晓明（1982-），男，硕士，高级经济师，研究方向：计算机软件与理论及计算机应用；E-mail：gaoxm9820@sina.com。

引文格式：高晓明.基于机器学习的专业技术与技能质量测评模型优化分析[J].粘接，2023，50（6）：140-143.