基于机器学习的室温调节的方法、装置、设备及存储介质
阅读：296发布：2020-05-14
专利汇可以提供基于机器学习的室温调节的方法、装置、设备及存储介质专利检索，专利查询，专利分析的服务。并且本 申请 公开了一种基于 机器学习 的室温调节方法、装置、设备及存储介质，属于计算机领域。该方法包括：获取温控器的区域信息和室外信息，区域信息用于指示目标房间所处的区域，室外信息至少用于表征目标房间的室外温湿度信息；根据目标房间的区域信息，从多个 温度 预测模型 中确定目标温度预测模型，目标温度预测模型是根据区域内的各个温控器的历史使用记录所训练得到的模型，历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据；从目标房间的室外信息提取室外 特征向量 ；调用目标温度预测模型对室外特征向量进行预测，得到目标房间的室内目标温度；根据室内目标温度对温控器所在室内区域的实际温度进行调节。，下面是基于机器学习的室温调节的方法、装置、设备及存储介质专利的具体信息内容。
1.一种基于机器学习的室温调节方法，其特征在于，所述方法包括：
获取温控器的区域信息和室外信息，所述区域信息用于指示目标房间所处的区域，所述室外信息至少用于表征所述目标房间的室外温湿度信息；
根据所述目标房间的区域信息，从多个温度预测模型中确定目标温度预测模型，所述目标温度预测模型是根据所述区域内的各个温控器的历史使用记录所训练得到的模型，所述历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据；
从所述目标房间的室外信息提取室外特征向量；
调用所述目标温度预测模型对所述室外特征向量进行预测，得到所述目标房间的室内目标温度；
根据所述室内目标温度对所述温控器所在室内区域的实际温度进行调节。
2.根据权利要求1所述的方法，其特征在于，所述获取温控器的区域信息包括：
获取所述温控器的互联网协议IP地址；根据所述IP地址确定所述目标房间的房间地址；或，获取所述温控器在安装时的安装记录信息；根据所述安装记录信息确定所述目标房间的房间地址；
根据所述房间地址确定所述区域信息，所述区域信息包括：地区、小区、社区、商业园区、办公楼宇中的任意一种。
3.根据权利要求1至3任一所述的方法，其特征在于，所述温度预测模型是通过如下步骤训练得到的：
获取所述区域内的各个温控器的历史使用记录，所述历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据；
对于每一组所述样本数据，将所述室外信息提取得到样本特征向量；
将所述样本特征向量输入至所述温度预测模型得到预测室内温度；
计算所述预测室内温度和所述用户设定的室内温度之间的误差；
根据所述误差采用误差反向传播算法来训练所述温度预测模型。
4.根据权利要求1至3任一所述的方法，其特征在于，所述室外信息包括：天气类型、室外温度、室外湿度、所述目标房间所处的楼层、所述目标房间的户型朝向中的至少一种。
5.根据权利要求1所述的方法，其特征在于，所述获取温控器的室外信息，包括：
获取所述温控器的IP地址；根据所述IP地址确定所述目标房间的房间地址；或，获取所述温控器在安装时的安装记录信息；根据所述安装记录信息确定所述目标房间的房间地址；
根据所述房间地址从天气预报信息源获取所述温控器的区域信息与所述室外信息的对应关系；
根据所述对应关系确定所述室外信息。
6.根据权利要求1至3任一所述的方法，其特征在于，所述根据所述室内目标温度对所述温控器所在室内区域的实际温度进行调节，包括：
获取所述室内区域的实际温度；
计算所述室内目标温度与所述室内区域的实际温度的差值；
根据所述差值从至少两个档位中确定出目标档位；
调节模式控制温度调节系统向所述室内区域输送风量，所述风量用于对所述室内区域的实际温度进行调节。
7.一种温度调节系统，其特征在于，所述系统包括：服务器、温控器和送风装置；所述服务器与所述温控器通过网络相连，所述温控器与所述送风装置通过网络或电路相连；
所述服务器，用于获取温控器的区域信息和室外信息，所述区域信息用于指示目标房间所处的区域，所述室外信息至少用于表征所述目标房间的室外温湿度信息；
所述服务器，用于根据所述目标房间的区域信息，从多个温度预测模型中确定目标温度预测模型，所述目标温度预测模型是根据所述区域内的各个温控器的历史使用记录所训练得到的模型，所述历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据；
所述服务器，用于从所述目标房间的室外信息提取室外特征向量；
所述服务器，用于调用所述目标温度预测模型对所述室外特征向量进行预测，得到所述目标房间的室内目标温度；
所述温控器，用于根据所述室内目标温度对所述温控器所在室内区域的实际温度进行调节；
所述送风装置，用于根据所述室内目标温度与所述室内区域的实际温度的差值对所述室内区域进行送风操作。
8.一种基于机器学习的室温调节装置，其特征在于，所述装置包括：
获取模块，用于获取温控器的区域信息和室外信息，所述区域信息用于指示目标房间所处的区域，所述室外信息至少用于表征所述目标房间的室外温湿度信息；
处理模块，用于根据所述目标房间的区域信息，从多个温度预测模型中确定目标温度预测模型，所述目标温度预测模型是根据所述区域内的各个温控器的历史使用记录所训练得到的模型，所述历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据；
提取模块，用于从所述目标房间的室外信息提取室外特征向量；
目标温度预测模型，用于对所述室外特征向量进行预测，得到所述目标房间的室内目标温度；
调节模块，用于根据所述室内目标温度对所述温控器所在室内区域的实际温度进行调节。
9.一种计算机设备，其特征在于，所述计算机设备上设置有传感器，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1至6任一所述的基于机器学习的室温调节方法。
10.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1至6任一所述的基于机器学习的室温调节方法。
基于机器学习的室温调节的方法、装置、设备及存储介质
技术领域
背景技术
[0002] 风机盘管(Fan Coil Unit，FCU)是指一种空调系统常用的末端设备，风机盘管通过机组内的冷水或热水盘管将冷却或加热后的空气送入室内来控制室内的温度。风机盘管温控器是指用于控制风机盘管内冷水盘管和热水盘管中水流循环的控制装置，通过温控器控制风机盘管保证室内温度符合用户的需求。
[0003] 相关技术中，风机盘管的排气口部位设置有温度传感器，将温度传感器感测风机盘管的送风温度作为室内温度，将感测到的送风温度与设定的温度进行比较，风机盘管温控器根据比较结果控制冷水盘管和热水盘管中的水流循环方式，从而调节风机盘管的送风温度，使得室内温度以设定温度为基准，在一定的范围内波动。
[0004] 基于上述情况，风机盘管温控器基于温度传感器感测到的温度对送风温度或风量进行调节，使得风机盘管温控器在调节室内温度时不够准确。发明内容
[0005] 本申请实施例提供了一种基于机器学习的室温调节方法、装置、设备及存储介质，可以解决相关技术中风机盘管温控器在调节室内温度时不够准确的问题。所述技术方案如下：
[0006] 根据本申请的一个方面，一种提供了基于机器学习的室温调节方法，所述方法包括：
[0007] 获取温控器的区域信息和室外信息，所述区域信息用于指示目标房间所处的区域，所述室外信息至少用于表征所述目标房间的室外温湿度信息；
[0008] 根据所述目标房间的区域信息，从多个温度预测模型中确定目标温度预测模型，所述目标温度预测模型是根据所述区域内的各个温控器的历史使用记录所训练得到的模型，所述历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据；
[0009] 从所述目标房间的室外信息提取室外特征向量；
[0010] 调用所述目标温度预测模型对所述室外特征向量进行预测，得到所述目标房间的室内目标温度；
[0011] 根据所述室内目标温度对所述温控器所在室内区域的实际温度进行调节。
[0013] 所述服务器，用于获取温控器的区域信息和室外信息，所述区域信息用于指示目标房间所处的区域，所述室外信息至少用于表征所述目标房间的室外温湿度信息；
[0014] 所述服务器，用于根据所述目标房间的区域信息，从多个温度预测模型中确定目标温度预测模型，所述目标温度预测模型是根据所述区域内的各个温控器的历史使用记录所训练得到的模型，所述历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据；
[0015] 所述服务器，用于从所述目标房间的室外信息提取室外特征向量；
[0016] 所述服务器，用于调用所述目标温度预测模型对所述室外特征向量进行预测，得到所述目标房间的室内目标温度；
[0017] 所述温控器，用于根据所述室内目标温度对所述温控器所在室内区域的实际温度进行调节；
[0018] 所述送风装置，用于根据所述室内目标温度与所述室内区域的实际温度的差值对所述室内区域进行送风操作。
[0019] 根据本申请的另一方面，提供了一种基于机器学习的室温调节装置，所述装置包括：
[0020] 获取模块，用于获取温控器的区域信息和室外信息，所述区域信息用于指示目标房间所处的区域，所述室外信息至少用于表征所述目标房间的室外温湿度信息；
[0021] 处理模块，用于根据所述目标房间的区域信息，从多个温度预测模型中确定目标温度预测模型，所述目标温度预测模型是根据所述区域内的各个温控器的历史使用记录所训练得到的模型，所述历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据；
[0022] 提取模块，用于从所述目标房间的室外信息提取室外特征向量；
[0023] 目标温度预测模型，用于对所述室外特征向量进行预测，得到所述目标房间的室内目标温度；
[0024] 调节模块，用于根据所述室内目标温度对所述温控器所在室内区域的实际温度进行调节。
[0025] 根据本申请的另一方面，提供了一种计算机设备，所述计算机设备设置有传感器，所述计算机设备包括：处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上方面所述的基于机器学习的室温调节方法。
[0026] 根据本申请的另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上方面所述的基于机器学习的室温调节方法。
[0027] 本申请实施例提供的技术方案带来的有益效果至少包括：
[0028] 通过获取温控器的区域信息和室外信息来确定目标温度预测模型，调用目标温度预测模型对从室外信息中提取的室外特征向量进行预测，得到目标房间的室内目标温度，根据预测的目标温度对室内区域的实际温度进行调节，通过室外信息来预测室内目标温度，使得温控器在调节室内区域的实际温度时更加准确。附图说明
[0029] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030] 图1是本申请一个示例性实施例提供的实施环境的示意图；
[0031] 图2是本申请一个示例性实施例提供的服务器的结构框图；
[0032] 图3是本申请一个示例性实施例提供的温度调节系统的结构示意图；
[0033] 图4是本申请一个示例性实施例提供的基于机器学习的室温调节方法的流程图；
[0034] 图5是本申请另一个示例性实施例提供的基于机器学习的室温调节方法的流程图；
[0035] 图6是本申请一个示例性实施例提供的获取温控器的室外信息的方法的流程图；
[0036] 图7是本申请一个示例性实施例提供的室外信息的示意图；
[0037] 图8是本申请另一个示例性实施例提供的获取温控器的室外信息的方法的流程图；
[0038] 图9是本申请一个示例性实施例提供的温度预测模型的训练方法的流程图；
[0039] 图10是本申请一个示例性实施例提供的温控器的结构示意图；
[0040] 图11是本申请一个示例性实施例提供的温控器调节室温的方法的流程图；
[0041] 图12是本申请另一个示例性实施例提供的温控器调节室温的方法的流程图；
[0042] 图13是本申请一个示例性实施例提供的基于机器学习的室温调节的装置框图；
[0043] 图14是本申请一个示例性实施例提供的计算机设备的装置结构示意图。
具体实施方式
[0044] 为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
[0045] 首先，对本申请实施例中涉及的名词进行介绍：
[0046] 风机盘管(Fan Coil Unit，FCU)：是指一种空调系统常用的末端设备，风机盘管通过机组内的冷水或热水盘管将冷却或加热后的空气送入室内来控制室内的温度。风机盘管通常由热交换器、水管、过滤器、风扇、接水管、排气阀、支架等部件组成，风机盘管根据组装形式可分为：卧式暗装、卧式明装、立式暗装、立式明装、卡式安装。两管制的风机盘管在不同的季节中采用不同的水流循环方式，比如，在夏季时，在盘管中循环的是冷水，起到制冷作用；在冬季时，在盘管中循环的是热水，起到制热作用。在一些商业园区，如商场、写字楼，采用四管制的风机盘管，在盘管中可同时循环冷水和热水，可以根据不同的房间或场所的需要进行不同的温度调节。示意性的，商店A需要的温度是23℃，商店B需要的温度是30℃。
[0047] 温控器：本申请实施例中的温控器是指控制风机盘管的温控器，也被命名为风机盘管温控器，用户可通过温控器对风机盘管所在的区域的温度进行调节。风机盘管温控器是一个独立的闭环温度调节系统，由温度传感器、双位控制器、温度设定机构、手动开关和冷热切换装置组成。温控器根据温度传感器测得的室内温度与设定的温度进行比较，根据温度差值发出双位控制信号，冷热切换装置根据该双位控制信号控制冷水循环管路和热水循环管路的水阀，以切换盘管内水流循环的方式，调节风机盘管向室内送风的温度，使得室内温度以设定温度为基准，在一定的范围内波动。
[0048] 图1示出了本申请一个示例性实施例提供的温度调节系统的实施环境的框图。该实施环境中包括：温控器130、服务器集群140和风机盘管170。
[0049] 温控器130通过网络150与服务器集群140相连，温控器130和风机盘管170通过网络或电路相连，温控器130可设置在室内区域的墙壁上。可选地，温控器130内设置有温度传感器和距离探测器，温度传感器用于测量室内区域的温度，距离探测器用于测量在室内区域内是否有可活动的对象，如人或饲养的宠物。可选地，温控器130安装和运行有支持温度调节的应用程序和支持连接的应用程序，支持温度调节的应用程序使温控器130控制风机盘管170对室内区域的温度进行调节，支持连接的应用程序用于将温控器130与风机盘管170匹配连接。可选地，温控器130设置有物理按键，或温控器130设置有显示屏，或温控器
130设置有物理按键和显示屏，温控器130还可以是用户使用的终端，如手机、笔记本电脑、台式电脑、平板电脑中的至少一种。
130设置有物理按键和显示屏，温控器130还可以是用户使用的终端，如手机、笔记本电脑、台式电脑、平板电脑中的至少一种。
[0050] 可选地，上述应用程序中登录有帐号，该帐号是拥有控制风机盘管权限的帐号。
[0051] 服务器集群140包括一台服务器、多台服务器、云计算平台和虚拟化中心中的至少一种。服务器集群140用于为具有增强现实功能的应用程序提供后台服务。可选地，服务器集群140承担主要计算工作，温控器130担次要计算工作；或者，服务器集群140承担次要计算工作，温控器130承担主要计算工作；或者，服务器集群140和温控器130三者之间采用分布式计算架构进行协同计算。
[0052] 可选地，服务器集群140包括：接入服务器和后台服务器。接入服务器用于提供温控器130的接入服务和信息收发服务，并将有效信息向后台服务器转发。后台服务器用于提供应用程序的后台服务，比如：外部温度信息服务、用户信息服务、温控器的运行状态服务的至少一种，可选地，温控器130可以从服务器集群140中获取与室外温度相关的信息。后台服务器可以是一台或多台。当后台服务器是多台时，存在如下形式中的至少一种：存在至少两台后台服务器用于提供不同的服务，和存在至少两台后台服务器用于提供相同的服务，本申请实施例对此不加以限定。
[0053] 可选地，温控器130与服务器集群140通过第一网络160连接，温控器130与风机盘管170通过第二网络180连接。可选地，第一网路连接160可以是有线网络中的城域网、局域网、光纤网等，或者是无线网络中的移动通信网络(如，2G，或3G，或4G，或5G中的至少一种)或无线保真网络(Wireless Fidelity，WiFi)。可选地，第二网络180可以与第一网络160的连接类型相同或不同，或同一网络类型中的不同网络。示意性的，温控器130与风机盘管170通过无线网络连接，如紫峰ZigBee技术、蓝牙技术、无线USB技术中的至少一种。
[0054] 图2示出了本申请一个示例性实施例提供的服务器的结构示意图。该服务器可以是图1示出的服务器。具体来讲：
[0055] 服务器200包括中央处理单元(CPU，Central Processing Unit)201、包括随机存取存储器(RAM，Random Access Memory)202和只读存储器(ROM，Read Only Memory)203的系统存储器204，以及连接系统存储器204和中央处理单元201的系统总线205。服务器200还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统，Input Output System)206，和用于存储操作系统213、应用程序214和其他程序模块215的大容量存储设备207。
[0056] 基本输入/输出系统206包括有用于显示信息的显示器208和用于用户输入信息的诸如鼠标、键盘之类的输入设备209。其中显示器208和输入设备209都通过连接到系统总线205的输入输出控制器210连接到中央处理单元201。基本输入/输出系统206还可以包括输入输出控制器210以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器210还提供输出到显示屏、打印机或其他类型的输出设备。
[0057] 大容量存储设备207通过连接到系统总线205的大容量存储控制器(未示出)连接到中央处理单元201。大容量存储设备207及其相关联的计算机可读介质为服务器200提供非易失性存储。也就是说，大容量存储设备207可以包括诸如硬盘或者紧凑型光盘只读存储器(CD-ROM，Compact Disc Read Only Memory)驱动器之类的计算机可读介质(未示出)。
[0058] 不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(EPROM，Erasable Programmable Read Only Memory)、带电可擦可编程只读存储器(EEPROM,Electrically Erasable Programmable Read Only Memory)、闪存或其他固态存储其技术，CD-ROM、数字通用光盘(DVD，Digital Versatile Disc)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器203和大容量存储设备207可以统称为存储器。
[0059] 根据本申请的各种实施例，服务器200还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器200可以通过连接在系统总线205上的网络接口单元211连接到网络212，或者说，也可以使用网络接口单元211来连接到其他类型的网络或远程计算机系统(未示出)。
[0060] 上述存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，被配置由CPU执行。
[0061] 图3示出了本申请一个示例性实施例提供的温度调节系统的结构框架示意图，该温度调节系统30包括云服务器302和温控器303，公共或外部信息301存储在云服务器302中，温控器303与云服务器302通过网络连接。公共或外部信息301包括天气预报数据、季节数据、房间位置数据、室内人员数据、室外温度数据中的至少一种，公共/外部信息301信息是由用户上传的云服务器302的，或是其他云服务器通过网络连接发送至本温度调节系统30中的。可选地，温控器中登录有用户帐号，或用户使用的终端设备中登录有用户帐号，用户帐号拥有对温控器的管理权限、控制风机盘管调节室温的权限。可选地，每个温控器303对应一个或多个用户帐号，每个帐号对应一个或多个温控器303。
[0062] 用户对温控器303的操作都将上传至云服务器302中，用户的操作包括用户每次设定的温度、设定温度对应的时间、开启温控器303的时间、关闭温控器303的时间、温控器303的运行状态、温控器303的工作模式或温度调节模式中的至少一种操作。示意性的，云服务器302对用户的历史温度设定值进行处理，生成符合用户使用习惯的温度曲线。云服务器302还可对温控器303的运行状态进行监控，示意性的，当温控器303设定的温度不符合温度曲线时，云服务器302将向温控器303发送提示信息，或向用户使用的终端(如手机)发送提示信息，用户可直接对温控器303进行设置，或通过终端对温控器303进行设置。
[0063] 室内的系统结构31包括房间内传感网络310和风机盘管320。可选地，房间内传感网络310包括子温湿度采样设备、网络、温度检测设备中的至少一种。可选地，房间内的温度也可由温控器303内置的温度传感器测量。
[0064] 温控器303控制风机盘管320，可选地，风机盘管320包括外部通讯模块321、控制单元322、存储单元323、微控制器324、内置传感器325和自组网模块326，其中，存储单元323和微控制器324是可选的模块。外部通讯模块321用于对网络连接，使得风机盘管320可与温控器303进行连接，风机盘管320可向云服务器302上传温度数据，或下载温度数据，该温度数据可以是室外的天气数据或同一区域的楼宇内的温度数据；控制单元322用于控制交流电源、风机的档位模式、盘管的冷水阀门和热水阀门；存储单元323用于快速读取数据，并且在风机盘管320断电时对数据进行保存；微控制器324用于接收远程输入和在线升级风机盘管320；内置传感器325用于检测受控区域的室内温度、和受控区域的可活动对象信息；自组网模块326用于实现风机盘管320的网关功能，通过自组网模块326可接入本地外围无线设备。
[0065] 图4示出了本申请一个示例性实施例提供的基于机器学习的室温调节方法的流程图。该方法可应用于如图1所示的服务器集群140中，也可应用于图3所示的云服务器302中，该方法包括以下步骤：
[0066] 步骤401，获取温控器的区域信息和室外信息，区域信息用于指示目标房间所处的区域，室外信息至少用于表征目标房间的室外温湿度信息。
[0067] 可选地，区域信息包括地区、小区、社区、商业园区、办公楼宇、园林景区中的任意一种。室外信息包括天气类型、室外温度、室外湿度、目标房间所处的楼层、目标房间的户型朝向、目标房间所在区域的生态环境(如目标房间所在区域临近湖边)中的至少一种。
[0068] 可选地，目标房间中设置有温控器，该温控器可以安装在目标房间中，也可以是用户随身携带该温控器在该目标房间中，根据温控器的区域信息获取目标房间所在的区域。可选地，目标房间是小区中的任意一栋居民楼的住宅，或目标房间是商业园区中的某一商店，或目标房间是办公楼宇中任意一层的办公室。目标房间不同对应的室外温湿度信息不同，如同一小区中的居民楼，临街的居民楼和靠近小区中间的居民楼对应的室外温湿度信息不同，同一栋居民楼中不同楼层的住宅对应的室外温湿度信息不同。
[0069] 可选地，室外温湿度信息包括室外的季节、天气类型(如晴天或阴天)、气温(包括最低气温、最高气温和气温-时间变化曲线)、湿度(包括最大湿度、最小湿度和湿度-时间变化曲线)、穿衣指数(推荐用户穿戴与天气对应的衣物)、目标房间的地理位置中的至少一项。
[0070] 可选地，可先获取温控器的区域信息，再获取温控器的室外信息，或先获取温控器的室外信息，再获取温控器的区域信息，或同时获取温控器的区域信息和室外信息。
[0071] 步骤402，根据目标房间的区域信息，从多个温度预测模型中确定目标温度预测模型，目标温度预测模型是根据区域内的各个温控器的历史使用记录所训练的模型，历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据。
[0072] 可选地，多个温度预测模型是根据地区划分的预测模型，如小区A对应温度预测模型a，小区B对应温度预测模型b。可选地，多个温度预测模型是根据目标房间所在的楼层划分的预测模型，如写字楼第十层对应温度预测模型c，第十五层对应温度预测模型d。
[0073] 在一个示例中，目标温度预测模型是根据一层楼内的全部房间对应的温控器的历史使用记录所训练的模型，如写字楼一层包括十个房间，每个房间安装有温控器，则目标温度预测模型根据十个温控器的历史使用记录进行训练。在一个示例中，历史使用记录包括多组室外信息、用户设定的室内温度、用户设定室内温度的时间、频率所组成的样本数据。
[0074] 步骤403，从目标房间的室外信息提取室外特征向量。
[0075] 可选地，从室外信息中提取与设定室内温度满足关联性条件的室外特征向量，该室外特征向量是至少一个维度的。在一个示例中，从室外信息中提取的室外特征向量包括目标房间的户型、目标房间的面积、目标房间的朝向、目标房间的所在的楼层、目标房间对应室外生态环境。可选地，特征向量是由目标温度预测模型提取的，或其他模型提取的，或服务器提取的。
[0076] 步骤404，调用目标温度预测模型对室外特征向量进行预测，得到目标房间的室内目标温度。
[0077] 可选地，目标温度预测模型可以是一个或多个模型，当目标温度预测模型是多个模型时，可以是相同模型，或同一类型的不同模型，或不同类型的模型。在一个示例中，目标温度预测模型是两个模型，目标温度预测模型是根据地区划分的第一目标温度预测模型和根据楼层划分的第二目标温度预测模型，室外特征向量包括目标房间所在的地区和目标房间所在的楼层，调用第一目标温度预测模型对室外特征向量进行预测，可得到室内目标温度所在的范围，再调用第二目标温度预测模型对室外特征向量进行预测，得到目标房间的室内目标温度。
[0078] 步骤405，根据室内目标温度对温控器所在室内区域的实际温度进行调节。
[0079] 可选地，根据室内目标温度与室内区域的实际温度的差值来控制温控器，温控器控制风机盘管对室内区域的实际温度进行调节。可选地，用户还可根据目标温度预测模型预测的室内目标温度进行手动调节。
[0080] 综上所述，本实施例提供的方法，通过获取温控器的区域信息和室外信息来确定目标温度预测模型，调用目标温度预测模型对从室外信息中提取的室外特征向量进行预测，得到目标房间的室内目标温度，根据预测的目标温度对室内区域的实际温度进行调节，通过室外信息来预测室内目标温度，使得温控器在调节室内区域的实际温度时更加准确。
[0081] 图5示出了本申请另一个示例性实施例提供的基于机器学习的室温调节的方法的流程图。该方法可应用于如图1所示的服务器集群140中，也可应用于图3所示的云服务器302中，该方法包括以下步骤：
[0082] 步骤501a，获取温控器的互联网协议地址。
[0083] 可选地，每个温控器设置有互联网协议地址，互联网协议地址(Internet Protocol，IP)是指由互联网协议提供的一种地址，为互联网上的每个网络和每台主机分配一个逻辑地址，该逻辑地址与用户实际的物理地址存在映射关系。
[0084] 步骤502a，根据互联网协议地址确定目标房间的房间地址。
[0085] 可选地，互联网协议与目标房间的房间地址存在映射关系，根据映射关系确定目标房间的房间地址。IP地址可能与实际的目标房间地址存在偏差，可结合定位技术，如全球定位系统(Global Positioning System，GPS)，获取目标房间的房间地址。
[0086] 步骤503a，根据房间地址确定区域信息。
[0087] 可选地，根据房间地址可确定目标房间所在的地理位置、房间类型、户型、所在的楼层等区域信息。在一个示例中，目标房间的房间地址是A，A对应商业园区a，目标房间位于商业园区a中的写字楼D中，在该写字楼D的第十层，该目标房间位于写字楼D中第十层的北侧区域。
[0088] 步骤501b，获取温控器在安装时的安装记录信息。
[0089] 可选地，在目标房间安装温控器时有安装记录信息。可从该安装记录信息可以从管理温控器安装信息的服务器中获取，也可从安装房间对应的物业管理服务器中获取。在一个示例中，物业管理服务器中存储有写字楼D中温控器的安装记录，该物业管理服务器是商业园区a对应的物业管理中心的服务器。
[0090] 步骤502b，根据安装记录信息确定目标房间的房间地址。
[0091] 通过安装记录信息可确定温控器安装在写字楼D中的哪些房间中，从这些房间中获取目标房间的房间地址。
[0092] 步骤503b，根据房间地址确定区域信息。
[0093] 步骤503b与步骤503a原理一致，此处不再赘述。
[0094] 可以理解的是，步骤501a至步骤503a与步骤501b和步骤503b可以单独实施，也可以组合实施。可选地，获取目标房间的区域信息包括上述至少两种方法，当存在其他获取目标房间的区域信息的方法时，对应方法可单独实施，也可与上述方法进行任意组合实施。
[0095] 可选地，在获取温控器的区域信息的同时，获取温控器对应的室外信息。
[0096] 步骤504，根据目标房间的区域信息，从多个温度预测模型中确定目标温度预测模型，目标温度预测模型是根据区域内的各个温控器的历史使用记录所训练的模型，历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据。
[0097] 步骤505，从目标房间的室外信息提取室外特征向量。
[0098] 步骤506，调用目标温度预测模型对室外特征向量进行预测，得到目标房间的室内目标温度。
[0099] 步骤504至步骤506与图4所示的步骤402至步骤404的原理一致，此处不再赘述。
[0100] 步骤507，根据室内目标温度对温控器所在室内区域的实际温度进行调节。
[0101] 可选地，可根据室内目标温度与室内区域的实际温度的差值进行调节。在一个示例中，对室内区域的实际温度进行调节还包括如下步骤：
[0102] 步骤5071，获取室内区域的实际温度。
[0103] 步骤5072，获取室内目标温度与室内区域的实际温度的差值。
[0104] 步骤5073，根据差值从至少两个档位中确定出目标档位。
[0105] 在一个示例中，温控器设置有三个档位，分别是低档位、中档位和高档位，室内目标温度与室内区域的实际温度的差值是1℃，可确定目标档位是低档位。
[0106] 步骤5074，调节模式控制温度调节系统向室内区域输送风量，风量用于对室内区域的实际温度进行调节。
[0107] 示意性的，低档位对应的风量是每小时100立方米，中档位对应的风量是每小时200立方米，高档位对应的风量是每小时300立方米。
[0108] 综上所述，本实施例提供的方法，通过IP地址和安装记录信息等方式来确定目标房间的实际地址，根据目标房间的实际地址来获取目标房间中温控器的区域信息，从而能确定目标房间对应的室外信息，调用温度预测模型根据室外信息对室外特征向量进行预测，得到目标房间的室内温度，使得温控器调节室内温度时更加准确。
[0109] 下面对获取温控器的室外信息进行说明，图6示出了本申请一个示例性实施例提供的获取温控器的室外信息的方法流程图，该方法可应用于如图1所示的服务器集群140中，也可应用于图3所示的云服务器302中，该方法包括以下步骤：
[0110] 步骤601，获取温控器的IP地址。
[0111] 步骤602，根据IP地址确定目标房间的房间地址。
[0112] 步骤601和步骤602与步骤501a和步骤502a的原理一致，此处不再赘述。
[0113] 步骤603，根据房间地址从天气预报信息源获取温控器的区域信息与室外信息的对应关系。
[0114] 温控器的区域信息是用于指示目标房间所处的区域，区域信息包括地区、小区、社区、商业园区、办公楼宇、园林景区中的任意一种。室外信息是用于表征目标房间的室外温湿度信息以及目标房间的位置信息，室外信息包括天气类型、室外温度、室外湿度、目标房间所处的楼层、目标房间的户型朝向中的至少一种。目标房间的房间地址确定时，可确定关于该目标房间的室外信息。
[0115] 天气预报信息源是指用于提供各地区天气情况的信息来源，天气预报信息源包括气象局记录天气信息的服务器，或通过气象卫星采集到目标房间所处的区域的天气信息，或通过各天气预报的平台(如气象局的网站或天气预报的应用程序)。
[0116] 步骤604，根据对应关系确定室外信息。
[0117] 结合表一对温控器的IP地址、目标房间的房间地址室外信息之间的关系进行说明。
[0118] 表一
[0119]
[0120]
[0121] 其中，根据目标房间的房间地址可获取目标房间对应的信息，如目标房间的朝向、户型、面积中的至少一种信息。
[0122] 以目标房间所在的区域是小区为例，结合图7对温控器的区域信息和室外信息之间的关系进行说明。
[0123] 如图7所示，居民楼11和居民楼12为同一小区的两栋居民楼，以太阳106位基准，居民楼11位于居民楼12的前方，居民楼11会挡住一部分照射进居民楼12的阳光。位于同一居民楼中不同楼层的房间对应的温度不同，位于同一居民楼中同一层但不同方位的房间对应的温度不同。示意性的，居民楼11中房间101和房间103位于同一居民楼中不同的楼层，房间101距离居民楼11的顶层更近，采光更好，房间103距离居民楼11的底层较近，若在居民楼11的前方还有其他建筑，则会导致房间103的采光相比于房间101较差，因此，房间101对应的室内温度较高，房间103对应的室内温度较低。示意性的，房间101和房间102分别位于同一居民楼中同一层的不同方位，房间101位于朝向阳光的方位，房间102背对阳光的方位，因此，房间101对应的室内温度较高，房间102对应的室内温度较低。示意性的，房间104位于居民楼12中，且位于该居民楼的背向阳光的方向，相比于房间102对应的室内温度，房间104对应的室内温度较低。房间105位于居民楼侧边，该房间接收阳光照射的时候较少，则该房间对应的室内温度比其他房间对应的室内温度低。
[0124] 可选地，采集居民楼11和居民楼12在一段时间内的温度信息和湿度信息，根据该温度信息和湿度信息建立对应的温度数据库。在一个示例中，温度数据库包括房间101一年时间的温度信息和湿度信息，比如，房间101在2019年10月1日全天的温度信息如下：最高温度是26℃，最低温度是19℃，最大湿度是40％，最小湿度是30％，阳光照射时间是8小时。示意性的，温度数据库可建立关于房间101每时每刻对应的室内温度。可从上述房间对应的温度信息和湿度信息中提取特征向量，调用目标温度预测模型对特征向量进行预测，得到目标房间的室内目标温度。
[0125] 下面对获取温控器的室外信息另一种方法进行说明，图8示出了本申请另一个示例性实施例提供的获取温控器的室外信息的方法流程图，该方法可应用于如图1所示的服务器集群140中，也可应用于图3所示的云服务器302中，该方法包括以下步骤：
[0126] 步骤801，获取温控器在安装时的安装记录信息。
[0127] 步骤802，根据安装记录信息确定目标房间的房间地址。
[0128] 在一个示例中，A小区物业中心设置有服务器，该服务器存储有温控器的安装记录、A小区包括的户型图、A小区的居民楼分布图，根据温控器的安装记录可确定该温控器所在的居民楼，根据A小区的居民楼的分布图可确定温控器所在的目标房间的户型、面积、朝向等室外信息。可选地，还可根据目标房间的地址获取该温控器所在的居民楼以及所在的层数，根据A小区的居民楼分布图可和户型图确定目标房间的户型、面积、朝向等室外信息。
[0129] 步骤803，根据房间地址从天气预报信息源获取温控器的区域信息与室外信息的对应关系。
[0130] 步骤803与图6示出的步骤603的原理一致，此处不再赘述。
[0131] 步骤804，根据对应关系确定室外信息。
[0132] 结合表二对温控器的安装记录信息、目标房间的房间地址室外信息之间的关系进行说明。
[0133] 表二
[0134]
[0135] 其中，根据目标房间的房间地址可获取目标房间对应的信息，如目标房间的朝向、户型、面积中的至少一种信息。
[0136] 下面对温度预测模型的训练方法进行说明。图9示出了本申请一个示例性实施例提供的温度预测模型的训练方法。该方法可应用于如图1所示的服务器集群140中，也可应用于图3所示的云服务器302中，该方法包括以下步骤：
[0137] 步骤901，获取所述区域内的各个温控器的历史使用记录，历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据。
[0138] 可选地，历史使用记录包括以下记录中的至少一种：温控器的设定温度(也即目标温度)、温度的变化范围、温控器的使用频率、最常用的目标温度和目标温度持续到的时长。可选地，室外信息可从各机构的服务器中获取，示意性的，本申请实施例提供的服务器可从管理天气信息的服务器中获取温度数据，管理天气信息的服务器可以是天气应用程序对应的服务器，也可以是气象局对应的服务器。可选地，用户设定的室内温度可根据温控器内登录的用户帐号进行获取，或通过用户使用的终端进行获取，在用户使用的终端中登录有控制温控器的用户帐号。
[0139] 步骤902，对于每一组样本数据，将室外信息提取得到样本特征向量。
[0140] 可选地，提取的特征向量是至少一维的特征向量。如从一组样本数据中提取的特征向量包括如下五个维度：天气类型、气温、目标房间的房间地址、用户设定的室内温度、用户设定同一温度的频率。
[0141] 步骤903，将样本特征向量输入至温度预测模型得到预测室内温度。
[0142] 步骤904，计算预测室内温度和用户设定的室内温度之间的误差。
[0143] 可选地，可以采用任意误差函数来计算预测室内温度和用户设定的室内温度之间的误差，如采用欧式损失函数来计算上述误差。
[0145] 根据步骤904得到的误差损失，通过误差反向传播算法对温度预测模型进行训练，得到训练后的温度预测模型。
[0146] 图10示出了本申请一个示例性实施例提供的温控器的结构示意图。该温控器通过无线网络-系统级芯片模组1002与云服务器1001相连，可从云服务器1001中获取温控器的区域信息和室外信息。可选地，该温控器设置有多个接口，其中，串行外设接口1005a用于连接柔性显示屏1101，串行外设接口1005b用于连接闪存芯片1014，闪存芯片1014是一种非易失性存储设备，在设备发生故障或断电时，存储在闪存芯片1014中的数据不会丢失，集成电路总线1006用于连接温湿度传感器1012，通用一步收发传输器1009用于连接紫峰模块1013，继电器1007用于连接风机控制1015、冷水阀1016和热水阀1017，电能转换模块1010用于连接电源模块1003，并且通过电源模块1003与220伏电源电压1004相连。柔性显示屏1011和紫峰模块1013是可选的模块。风机控制1015用于控制温控器的档位变化，档位与风机盘管或送风装置向房间内输送的风量对应，如将中档切换为低档，则风机盘管或送风装置将大风量调节为小风量。
[0147] 本申请实施例还提供了一种温控器调节室内区域的实际温度的方法，下面结合图11和图12进行说明。图11示出了本申请一个示例性实施例提供的温控器调节室内区域的实际温度的方法的流程图，该方法应用于如图10所示的温控器中，该方法包括如下步骤：
[0148] 步骤1101，开始。
[0149] 温控器开始工作。
[0150] 步骤1102a，判断温控器是否是制冷模式。
[0151] 制冷模式是指风机盘管中的水流循环是冷水，风机盘管向室内输送冷风，室内环境的温度降低。若温控器处于制冷模式中，进入步骤1103a；反之，进入步骤1102b。
[0152] 步骤1103a，判断温控器是否是自动模式。
[0153] 若温控器是自动模式，进入步骤1105；反之，进入步骤1104a。
[0154] 步骤1104a，按当前风速执行5分钟，再切换至自动模式。
[0155] 该步骤使风机盘管可以在进入自动模式前，室内环境的温度保持稳定。
[0157] 步骤1106，比较设定温度和当前温度差值ΔT。
[0158] 步骤1107a，判断差值是否符合ΔT＞2。
[0159] 若设定温度和当前温度差值符合ΔT＞2，进入步骤1107b；反之，进入步骤1108a。
[0160] 步骤1107b，开高速档风扇。
[0161] 步骤1108a，判断差值是否符合ΔT＞1。
[0162] 若设定温度和当前温度差值符合ΔT＞1，进入步骤1108b；反之，进入步骤1109a。
[0163] 步骤1108b，开中速档风扇。
[0164] 步骤1109a，判断差值是否符合ΔT＞0。
[0165] 若设定温度和当前温度差值符合ΔT＞0，进入步骤1109b；反之，进入步骤1110。
[0166] 步骤1109b，开低速档风扇。
[0167] 步骤1110，判断差值是否符合ΔT＝0。
[0168] 若设定温度和当前温度差值符合ΔT＝0，进入步骤1111；反之，进入步骤1107a。
[0169] 步骤1111，关闭风扇，关闭冷水阀，关闭热水阀。
[0170] 可选地，风扇、冷水阀、热水阀可按照一定顺序进行关闭，也可同时关闭。
[0171] 步骤1102b，判断温控器是否是制热模式。
[0172] 步骤1103b，判断温控器是否是自动模式。
[0173] 若温控器是自动模式，进入步骤1105；反之，进入步骤1104b。
[0174] 步骤1104b，按当前风速执行5分钟，再切换至自动模式。
[0175] 可以理解的是，步骤1102b至步骤1104b与步骤1102a至步骤1104a的原理一致。
[0176] 图12示出了本申请另一个示例性实施例提供的温控器调节室内区域的实际温度的方法的流程图，该方法应用于如图10所示的温控器中，该方法包括如下步骤：
[0177] 步骤1201，开始。
[0178] 调节室内环境温度。
[0179] 步骤1202，判断室内环境温度是否达到设定温度。
[0180] 若室内环境温度达到设定温度，则进入步骤1203；反之，返回步骤1201。
[0181] 步骤1203，生成关闭指令。
[0182] 可选地，关闭指令用于关闭风机盘管中的风扇、冷水阀和热水阀。
[0183] 步骤1204，计数器开始计时。
[0184] 步骤1205，判断温度到达设定温度的稳定时间是否达到60秒。
[0185] 若稳定时间达到60秒，进入步骤1206a；反之，返回步骤1204。
[0186] 步骤1206a，判断室内温度和设定温度的差值是否符合0＜ΔT≤1。
[0187] 若设定温度和当前温度的差值符合0＜ΔT≤1，进入步骤1207；反之，进入步骤1206b。
[0188] 步骤1207，进入智能微调模式。
[0189] 步骤1208，判断室内温度是否达到预设温度。
[0190] 若室内温度达到设定温度，进入步骤1209；反之，进入返回步骤1207。
[0191] 步骤1209，关闭指令生效。
[0192] 步骤1210，关闭风扇，关闭冷水阀，关闭热水阀。
[0193] 步骤1206b，判断室内温度和设定温度的差值是否符合1≤ΔT≤2。
[0194] 若设定温度和当前温度的差值符合1≤ΔT≤2，进入步骤1207b；反之，进入步骤1206c。
[0195] 步骤1207b，风扇开中速档。
[0196] 步骤1206c，判断室内温度和设定温度的差值是否符合ΔT＞2。
[0197] 若设定温度和当前温度的差值符合ΔT＞2，进入步骤1207c；反之，进入步骤1211。
[0198] 步骤1207c，风扇开高速挡。
[0199] 步骤1211，进入智能加速模式。
[0200] 通过智能加速模式使室内温度快速地达到设定温度。
[0201] 步骤1212，判断室内温度是否到达预定温度。
[0202] 若室内温度达到设定温度，进入步骤1203；反之，进入步骤1213。
[0203] 步骤1213，判断到达设定温度后稳定的时间是否大于900秒。
[0204] 若稳定时间大于900秒，进入步骤1207；反之，进入步骤1214。
[0205] 步骤1214，继续维持智能加速模式，并计时。
[0206] 可选地，上述获取室内温度可通过子温湿度采集设备来获取准确的室内温度，若室内环境设置有多个子温湿度采集设备，则室内温度是多个子温湿度采集设备采集的温度的平均值。若室内环境无子温湿度采集设备，则室内温度是温控器中设置的温度传感器所检测到的温度。可选地，子温湿度采样设备可以是温度计、湿度计，或其他可以采集温湿度数据的设备。
[0207] 可以理解的是，上述室内温度和设定温度的温差ΔT的单位是摄氏度(℃)，上述温差范围、室内温度达到设定温度的稳定时间、工作模式的执行时间是可选的，可通过用户手动设置，也可通过服务器进行设置，也可是温控器的默认设置。
[0208] 本申请实施例还提供了一种温度调节系统，该系统包括服务器、温控器和送风装置，服务器与温控器通过网络相连，温控器与送风装置通过网络或电路相连。
[0209] 可选地，服务器是如图3所示的云服务器302，温控器是如图3所示的温控器303，送风装置是如图3所示的风机盘管320。
[0210] 服务器，用于获取温控器的区域信息和室外信息，区域信息用于指示目标房间所处的区域，室外信息至少用于表征目标房间的室外温湿度信息；根据目标房间的区域信息，从多个温度预测模型中确定目标温度预测模型，目标温度预测模型是根据区域内的各个温控器的历史使用记录所训练得到的模型，历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据；从所述目标房间的室外信息提取室外特征向量；调用所述目标温度预测模型对所述室外特征向量进行预测，得到所述目标房间的室内目标温度。
[0211] 温控器，用于根据室内目标温度对温控器所在室内区域的实际温度进行调节。
[0212] 送风装置，用于根据室内目标温度与室内区域的实际温度的差值对室内区域进行送风操作。
[0213] 以下为本申请的装置实施例，对于装置实施例中未详细描述的细节，可以结合参考上述方法实施例中相应的记载，本文不再赘述。
[0214] 图13示出了本申请的一个示例性实施例提供的基于机器学习的室温调节装置的结构示意图。该装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分，该装置包括：获取模块1310，处理模块1320，提取模块1330，目标温度预测模型1340和调节模块1350。
[0215] 获取模块1310，用于获取温控器的区域信息和室外信息，区域信息用于指示目标房间所处的区域，室外信息至少用于表征目标房间的室外温湿度信息；
[0216] 处理模块1320，用于根据目标房间的区域信息，从多个温度预测模型中确定目标温度预测模型，目标温度预测模型是根据区域内的各个温控器的历史使用记录所训练得到的模型，历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据；
[0217] 提取模块1330，用于从目标房间的室外信息提取室外特征向量；
[0218] 目标温度预测模型1340，用于对室外特征向量进行预测，得到目标房间的室内目标温度；
[0219] 调节模块1350，用于根据室内目标温度对温控器所在室内区域的实际温度进行调节。
[0220] 在一个可选的实施例中，获取模块1310，用于获取温控器的互联网协议IP地址；
[0221] 所述处理模块1320，用于根据IP地址确定目标房间的房间地址；
[0222] 所述处理模块1320，用于根据房间地址确定区域信息，区域信息包括：地区、小区、社区、商业园区、办公楼宇中的任意一种。
[0223] 在一个可选的实施例中，所述获取模块1310，用于获取温控器在安装时的安装记录信息；
[0224] 所述处理模块1320，用于根据安装记录信息确定目标房间的房间地址；
[0225] 所述处理模块1320，用于根据房间地址确定区域信息，区域信息包括：地区、小区、社区、商业园区、办公楼宇中的任意一种。
[0226] 在一个可选的实施例中，该装置还包括计算模块1360和训练模块1370；
[0227] 所述获取模块1310，用于获取区域内的各个温控器的历史使用记录，历史使用记录包括多组室外信息和用户设定的室内温度所组成的样本数据；
[0228] 所述提取模块1330，用于对于每一组样本数据，将室外信息提取得到样本特征向量；
[0229] 所述处理模块1320，用于将样本特征向量输入至温度预测模型得到预测室内温度；
[0230] 所述计算模块1360，用于计算预测室内温度和用户设定的室内温度之间的误差；
[0231] 所述训练模块1370，用于根据误差采用误差反向传播算法来训练温度预测模型。
[0232] 在一个可选的实施例中，室外信息包括：天气类型、室外温度、室外湿度、目标房间所处的楼层、目标房间的户型朝向中的至少一种。
[0233] 在一个可选的实施例中，所述获取模块1310，用于获取温控器的IP地址；
[0234] 所述处理模块1320，用于根据IP地址确定目标房间的房间地址；
[0235] 所述处理模块1320，用于根据房间地址从天气预报信息源获取温控器的区域信息与室外信息的对应关系；
[0236] 所述处理模块1320，用于根据对应关系确定室外信息。
[0237] 在一个可选的实施例中，所述获取模块1310，用于获取温控器在安装时的安装记录信息；
[0238] 所述处理模块1320，用于根据安装记录信息确定目标房间的房间地址；
[0239] 所述处理模块1320，用于根据房间地址从天气预报信息源获取温控器的区域信息与室外信息的对应关系；
[0240] 所述处理模块1320，用于根据对应关系确定室外信息。
[0241] 在一个可选的实施例中，所述获取模块1310，用于获取室内区域的实际温度；
[0242] 所述获取模块1310，用于获取室内目标温度与室内区域的实际温度的差值；
[0243] 所述处理模块1320，用于根据差值从至少两个档位中确定出目标档位；
[0244] 所述调节模块1350，用于调节模式控制温度调节系统向室内区域输送风量，风量用于对室内区域的实际温度进行调节。
[0245] 本申请还提供一种计算机设备，该计算机设备设置有传感器1403，示意性的，该传感器1403是远近红外传感器，或者该传感器1403是温度传感器。该计算机设备1400包括：处理器1401和存储器1402，该存储器1402中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、至少一段程序、代码集或指令集由处理器1401加载并执行以实现上述各方法实施例提供的基于机器学习的室温调节方法。
[0246] 本申请还提供一种计算机可读存储介质，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各方法实施例提供的基于机器学习的室温调节方法。
[0247] 应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0248] 本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于机器学习的井间连通性评价方法 | 2020-05-11 | 576 |
| 一种基于BP神经网络的过渡电阻预测方法 | 2020-05-11 | 880 |
| 一种降雨预测方法、系统及电子设备 | 2020-05-13 | 779 |
| 一种计及需求响应资源的新能源储能系统调度优化方法 | 2020-05-18 | 755 |
| 基于非均匀投影的三维模型检索 | 2020-05-15 | 174 |
| 基于EMD-CNN深度神经网络的光伏配电网电压预测方法 | 2020-05-16 | 752 |
| 基于多模态深度学习的Sn-Bi合金延伸率和抗拉强度的预测方法 | 2020-05-12 | 1010 |
| 基于局部动态能量函数FCN-CRF模型的生态变化监测方法 | 2020-05-12 | 517 |
| 胶凝砂砾石配合比关键指标预测抗压强度的BP神经网络分析方法 | 2020-05-11 | 764 |
| 基于长短时记忆网络的水泥成品比表面积预测方法及系统 | 2020-05-08 | 599 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈