[发明专利]一种基于排气扇操作数据的行为预测及控制方法、系统

说明书

本发明属于信息技术领域，具体涉及一种基于排气扇操作数据的行为预测及控制方法、系统，所述方法包括：获取排气扇的历史操作数据；筛选历史操作数据中与行为预测相关参数作为输入参数；将操作事件及对应的操作时间作为输出参数，建立输入‑输出参数对；使用所述输入‑输出参数对对神经网络算法进行训练；获得操作事件及对应的操作时间作为输出参数的行为预测模型。能有效地拟合出用户使用行为随日期和时间变化的曲线，再结合空气质量等传感器数据，能够分析出用户使用热水器等家电设备的使用习惯，从而为用户行为预测提供准确的判断依据，有效的提升了用户体验，在用户享受智能家居系统的同时，节约了成本，预测性能稳定性高、准确度高。

技术领域

本发明属于智能家居技术领域，具体涉及一种基于排气扇操作数据的行为预测及控制方法、系统。

背景技术

智能家居是以住宅为平台，利用综合布线技术、网络通信技术、安全防范技术、自动控制技术、音视频技术，将与家居生活有关的设施(例如：家电)进行集成，以构建高效的住宅设施与家庭日程事务的管理系统，提升智能家居的多种性能，并实现环保节能的居住环境。

智能家居需要体现智能，而不是简单地通过远程或传感器检测来控制家电设备。排气扇是各个家庭中的基本配备设备，通常它用于浴室排放雾气、异味等。目前很多排气扇所拥有的功能较为单一，并不能获取用户行为信息。通常的热水器都不具有分析用户习惯的功能，更换整台热水器的成本过高，而浴室的排气扇制造成本低，占用空间相当小，若将排气扇增加智能功能，使其成为智能家居中的重要一环，可用于分析用户使用热水器等多种设备的行为习惯，进而为用户提供有针对性有价值的推荐。

用户在一天中对排气扇的使用频率比较有规律性，因此排气扇的使用数据可用于分析用户的行为。同时，排气扇还可结合空气质量传感器和雾气感应器等智能设备，用于获取更精确的环境信息数据。通过这些数据，并结合机器学习中的推荐算法进行分析，可为用户提供有价值的信息，比如根据每一个用户的偏好设置推荐控制其它家电的运行的参数，能体现出智能家居系统的智能化，将神经神经网络算法与智能家居相结合，把智能推荐作为排气扇的一个重要功能，让用户能够享受到智能生活。

发明内容

为了解决目前很多排气扇所拥有的功能较为单一，并不能获取用户行为信息。通常的热水器都不具有分析用户习惯的功能，更换整台热水器的成本过高的问题，本发明提供一种基于排气扇操作数据的行为预测及控制方法、系统。

为了解决上述技术问题，本发明实施例采用如下技术方案：

一方面，本发明实施例提供了一种基于排气扇操作数据的行为预测模型构建方法，所述方法包括：

获取排气扇的历史操作数据；筛选历史操作数据中与行为预测相关参数作为输入参数；将操作事件及对应的操作时间作为输出参数，建立输入-输出参数对；使用所述输入-输出参数对对神经网络算法进行训练；获得操作事件及对应的操作时间作为输出参数的行为预测模型。

进一步的，所述历史操作数据中与行为预测相关参数包括排气扇运行参数和环境参数。

进一步的，根据所述输入-输出参数对初步确定所述神经网络算法的基本结构、网络输入节点数、网络输出节点数、网络隐层数、隐节点数、网络初始权值。

进一步的，所述神经网络算法的结构由BP网络结构、RNN网络结构、LSTM网络结构、CNN网络结构生成。

进一步的，所述训练方法根据神经网络算法的结构和/或训练过程进行实时调整。

进一步的，在所述神经网络算法训练过程中判断神经网络算法的期望输出与实际输出是否满足输出精度，若满足，则结束训练；若不满足，则更新神经网络算法中输入层、隐含层及输出层的权值和/或偏置。

进一步的，所述神经网络算法训练完成后，使用所述输入-输出参数对正向测试所述神经网络算法。