智慧城市是未来城市发展的重要方向,科学评价我国智慧城市发展建设水平,将有助于我国智慧城市规划及建设政策的制定。本文的研究工作旨在构建正确客观的智慧城市评价指标体系并且对我国智慧城市的建设水平进行评价。首先,通过确定一级指标和二级指标构建完整客观的智慧城市评价指标体系,对一级指标的选取,采用模糊集的思想,通过构建隶属度函数,用指标出现的频度表达隶属度,即隶属度高的指标入选指标体系;对二级指标的选取先在每一个一级指标下通过查阅分析“中国统计年鉴”等相关统计数据,初步筛选各个指标,再针对初步选取的二级指标范围较广、冗余属性较多的特点,通过Affinity Propagation聚类算法把每一项一级指标下的二级指标进行聚类,使得相似二级指标归为一类,得到完整的智慧城市评价指标体系。然后建立了基于邻域粗糙集理论的多属性决策流程体系,在分析属性约简和论阈约简等价的基础上,提出了基于可变精度的邻域粗糙集理论对智慧城市指标体系进行属性约简,得到比原指标体系精简客观的智慧城市评价指标体系。最后,根据已经建立的我国智慧城市评价指标体系,采用基于机器学习的若干算法对智慧城市的建设水平进行评价。研究对象为我国正在建设或者在政府报告中明确提出智慧城市概念的120座城市,基于对样本量本身的限制以及算法本身性能的考虑,本文将采用有监督学习的回归算法对智慧城市的建设水平进行评价,建立了基于遗传算法优化的支持向量回归机模型、遗传算法优化的BP神经网络模型、随机森林模型和梯度提升回归树模型。训练数据与预测数据均来自2015年我国智慧城市评价指标体系,按照8比2的比例将训练集和预测集分开,分别基于各个模型的算法流程进行建模并且编写程序进行求解。选取均方误差MSE作为评价指标,从预测集的MSE可以看到由遗传算法优化SVR模型的效果最好。所以,选用该方法对我国2016年智慧城市的建设水平进行评价,得到各个智慧城市的评价指标值。