2、利用GMDH方法预测专家知识水平

利用GMDH方法预测专家知识水平

1 研究背景与模型概述

在当今企业中，员工频繁流动的现象日益普遍，这使得企业有必要保留员工的专家知识，并对其知识水平进行预测，以确定企业中缺失的知识类型，从而顺利开展后续项目或处理订单。知识预测不仅能对知识进行分析，还能基于积累的知识进行推理，并对未来现象进行模拟。

1.1 研究方法与模型构建

• 专家知识处理 ：先通过贝叶斯网络对获取和收集的专家知识进行形式化和分类。
• 预测模型建立 ：采用GMDH（数据处理分组方法）为生产企业构建专家知识水平的预测模型。选择贝叶斯网络是为了明确所识别的专家知识要素之间的关系。

1.2 智能算法分类

智能算法根据对可估计知识的理解进行分类，涵盖静态系统、自动控制系统以及用于开发新解决方案的优化系统等。近年来，研究人员还运用了智能优化和元启发式方法，其中包括遗传算法（GAs）。

1.3 遗传算法与GMDH算法

• 遗传算法 ：旨在从可用选择中找到目标函数的最佳值。其评估 - 选择 - 繁殖阶段会经历多次迭代，以最小化代数。在知识估计过程中，遗传算法可优化知识模块的组件，但不一定能验证知识状态。
• GMDH算法 ：通过创建多项式并选择具有最佳预测标准的多项式来组织模型。该算法用于构建高阶回归类型模型，基本模型是两个变量的二次多项式，通常由多个层组成。例如，可用于客户分类特征选择或垃圾邮件检测和电子邮