[发明专利]基于深度残差网络的淋浴舒适度优化方法、系统及服务器

权利要求书

1.一种基于深度残差网络的淋浴舒适度的优化方法，其特征在于，包括以下步骤：

确定用于训练深度残差神经网络模型的输入参数，所述输入参数为在淋浴时热舒适影响参数，所述输入参数包括环境参数、人体参数和沐浴使用数据；

获取传感器发送的实时采集的多个用户的基于时间序列的沐浴使用数据及用户信息数据；

对接收的数据进行预处理，将数据分为训练集和测试集，将预处理后的训练集输入深度残差网络模型中进行学习训练得到训练好的模型，将测试集输入训练好的模型进行测试；

获取传感器采集的当前用户的沐浴使用数据以及用户信息数据，将当前数据输入训练好的模型中对模型中的参数进行微调；

将获取的当前环境参数输入微调后的模型进行预测，得到预测结果，所述预测结果包括沐浴出水温度和淋浴出水流量，将预测结果发送给淋浴调温设备。

2.如权利要求1所述的方法，其特征在于，所述对接收的数据进行预处理的具体方法包括：

对接收的数据进行归一化处理，具体包括：

其中，T为淋浴出水温度，T'为归一化后得到的淋浴出水温度，Q为淋浴出水流量，Q’为归一化后得到的淋浴出水流量。

3.如权利要求1所述的方法，其特征在于，所述环境参数包括室内空气温度、室内相对湿度、室内空气流速、平均辐射温度和室外风寒指数，所述人体参数包括淋浴者的年龄、体重、性别和新陈代谢速率。

4.如权利要求1所述的方法，其特征在于，所述沐浴使用数据包括手动调节产生的反馈数据、淋浴时间、淋浴出水温度和淋浴出水流量。

5.一种基于深度残差网络的淋浴舒适度的优化系统，其特征在于，包括传感器、网络模块、服务器和淋浴调温设备，

所述传感器用于实时采集用户淋浴时的使用数据和用户信息数据；

所述网络模块用于将传感器采集的数据传输给服务器；

所述服务器对接收的数据进行预处理，将数据分为训练集和测试集，将预处理后的训练集输入到深度神经网络模型中进行学习训练得到训练好的模型，将测试集输入训练好的模型进行测试；根据传感器采集的当前用户的沐浴使用数据以及用户信息数据，将当前数据输入训练好的模型中对模型中的参数进行微调；将获取的当前环境参数输入微调后的模型进行预测，得到预测结果，所述预测结果包括沐浴出水温度和淋浴出水流量，将预测结果发送给淋浴调温设备；

所述淋浴调温设备根据预测结果调整沐浴出水温度的大小和沐浴出水流量的大小。

6.如权利要求5所述的系统，其特征在于，所述服务器对接收的数据进行预处理的具体方法包括：

对接收的数据进行归一化处理，具体包括：

其中，T为淋浴出水温度，T'为归一化后得到的淋浴出水温度，Q为淋浴出水流量，Q’为归一化后得到的淋浴出水流量。

7.如权利要求5所述的系统，其特征在于，环境参数包括室内空气温度、室内相对湿度、室内空气流速、平均辐射温度和室外风寒指数，所述人体参数包括淋浴者的年龄、体重、性别和新陈代谢速率。

8.如权利要求5所述的系统，其特征在于，所述沐浴使用数据包括手动调节产生的反馈数据、淋浴时间、淋浴出水温度和淋浴出水流量。

9.一种服务器，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，其特征在于，所述处理器被配置用于调用所述程序指令，执行如权利要求1-4任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-4任一项所述的方法。