[发明专利]基于决策树分类算法的空调智能温控方法

说明书

本发明涉及空调领域，公开了一种基于决策树分类算法的空调智能温控方法，用以提高空调自动控制的能力，提高用户体验的同时减少因过度吹空调引起的不适。本发明需要先期采集大量数据生成训练集，并通过健康体系得到适宜条件的阈值，然后利用训练集建立并精化一棵决策树，建立决策树模型，然后在系统工作中利用生成完毕的决策树对通过信息采集设备获取环境数据从根结点依次测试记录的属性值，直到到达某个叶结点，从而找到该记录所在的类，然后通过分类决策树对数据进行判断，并对各个环境条件下达到的结果进行最优化处理并做出最终的控制操作。本发明适用于空调智能温度控制。

技术领域

本发明涉及空调领域，特别涉及基于决策树分类算法的空调智能温控方法。

背景技术

随着智能设备的普及，家用电器已经基本实现了智能化，更方便快捷的为人们的生活服务。但是现有的空调往往不能在人工做操之后在周边环境发生变化的情况下进行适度的调控，使当前环境处于最适宜的条件下，已引起空调病以及不必要的能源浪费。

分类决策树，决策树(Decision Tree)又称为判定树，是运用于分类的一种树结构。其中的每个内部结点(internal node)代表对某个属性的一次测试，每条边代表一个测试结果，叶结点(leaf)代表某个类(class)或者类的分布(class distribution)，最上面的结点是根结点。决策树分为分类树和回归树两种，分类树对离散变量做决策树，回归树对连续变量做决策树。决策树算法有一个好处，那就是它可以产生人能直接理解的规则，这是贝叶斯、神经网络等算法没有的特性；决策树的准确率也比较高，而且不需要了解背景知识就可以进行分类，是一个非常有效的算法。决策树算法有很多变种，包括ID3、C4.5、C5.0、CART等，但其基础都是类似的。

发明内容

本发明要解决的技术问题是：提供一种基于决策树分类算法的空调智能温控方法，用以提高空调自动控制的能力，提高用户体验的同时减少因过度吹空调引起的不适。

为解决上述问题，本发明采用的技术方案是：基于决策树分类算法的空调智能温控方法，包括如下步骤：

步骤S01：获取当前环境的环境信息，并将环境信息转化为预定义所对应的操作数据；

步骤S02：处理步骤S01中得到的数据进行数据清洗；

步骤S03：对步骤S02中得到的有效数据进行数据变换，用以将连续数据概化到更高层概念；

步骤S04：将概化之后的数据输入到决策树模型中进行分类；

步骤S05：根据步骤S04的分类结果进行最优化处理，并执行最终结果。

进一步的，步骤S01采集的环境信息不一定是同时包含环境温度、环境湿度、环境质量、空气流动及人体表面温度，也可以包括环境温度、环境湿度、环境质量、空气流动及人体表面温度信息中的一种或者多种。

进一步的，步骤02中所述的数据清洗一般包括：检查数据一致性，以及删除无效值和缺失值。

进一步的，为了清楚的说明本发明分类决策树模型的生成步骤，步骤S04中分类决策树模型的生成步骤可以包括：

步骤S0401：统计在人感觉舒适情况下的环境数据；

步骤S0402：对步骤S0401中得到的数据进行统计，并对数据进行人工分类，定义出范围阈值，并通过清洗处理得到训练集和测试数据集；

步骤S0403：利用步骤S0402中得到的训练集训练分类器，并用测试数据集对训练所得的分类器进行测试，得到一个分类决策树；

步骤S0404、结合实际情况对S0403得到的分类决策树进行剪枝与优化，得到最佳的自动温控的决策树模型。