国家质量基础设施（National Quality Infrastructure,NQI）综合服务信息平台通过整合优质的服务资源,为企业等用户提供计量、标准、检验检测与认证认可等一站式的公共服务。为了更好的厘清NQI综合服务信息平台的实际发展现状,为“十四五”的发展提供示范和服务,对NQI综合服务信息平台的运行效率及服务质量进行科学合理的评价变得尤为重要。本文通过文献阅读、问卷调查、模型分析与实证研究等方法,对NQI综合服务信息平台服务质量评价展开研究,主要有以下几个方面:（1）构建NQI综合服务信息平台的综合评价指标体系。通过阅读大量文献,研究国内外公共服务平台服务质量评价指标的选取原则,结合NQI综合服务信息平台的功能特点,采用用户需求调查与专家座谈等方式,筛选NQI综合服务信息平台服务质量的综合评价指标,并给出指标的量化处理方法。（2）构建NQI综合服务信息平台服务质量评价模型。通过设计调查问卷,对用户的需求以及服务的实际感受进行调查,邀请计量、标准等领域的专家对NQI平台服务质量评价指标进行打分,通过对比模糊综合评价模型与智能评价模型的评价性能,确定适用于NQI综合服务信息平台服务质量的评价模型。（3）提出一种“主成分分析法+改进遗传算法+模糊神经网络（PCA-IGAFNN）”的智能评价模型。传统模糊神经网络（Fuzzy Neural Network,FNN）评价模型在NQI综合服务信息平台的服务质量评价中,模型的学习算法不仅会影响模型的收敛速度,还会导致模型陷入局部最优解,评价准确度低。本模型利用主成分分析法去除NQI综合服务信息平台服务质量评价指标间的相关性,删除冗余指标因素,减少网络输入量,达到降维的目的,有效克服FNN收敛速度等缺点;同时将改进的遗传算法与模糊神经网络相结合,利用自适应的交叉和变异概率对模糊神经网络隶属函数的系数进行全局搜索,有效克服FNN容易陷入局部极值问题。MATLAB仿真与实际评价结果表明,改进PCA-IGAFNN评价模型的仿真测试误差由传统FNN评价模型的0.09386降低至0.00206,有效提高了评价准确率。对比粒子群模糊神经网络和支持向量机等方法构建的评价模型,改进PCAIGAFNN评价模型具备更好的评价效果。