科研之友
微信
新浪微博
Facebook
分享链接
摘要
空调器智能化提升的方向，是使平时需要用户设定的控制参数值自动地调整为用户的偏好值。这就需要空调器能够准确预测出用户偏好的设定参数，在实现上则有赖于对用户历史操作数据的学习，但这又超出了空调器单片机的计算能力。本文提出云端学习及本地计算相结合的空调用户偏好的预测方法，将学习用户历史操作数据等复杂的计算任务放到云端服务器，使得对于控制参数的预测不会超过空调器单片机的计算能力。该方法中，云端服务器完成对用户历史数据的预处理和递归式特征消除后，使用梯度提升框架训练数据并得到学习模型；空调器单片机下载由云端生成的多维矩阵，建立对预测值的插值查询规则后即得到本地预测方法。本文在对上述建立的学习算法和预测方法进行验证时，将上海、重庆和广州3个不同地域的城市的用户夏季使用数据(不含8月)作为训练集，8月的数据作为测试集。验证结果表明：用户实际设定温度与预测值的误差在±0.5℃内的占比平均为84%,最高为88%;用户实际设定风速与预测值的误差在±10%内的占比平均为92%,最高为94%。验证结果表明本文提出的云端学习及本地计算相结合的用户偏好的预测方法能够准确地预测用户偏好。
- 单位
