[发明专利]热水器用水量预测方法及装置、热水器及电子设备

权利要求书

1.一种热水器用水量预测方法，其特征在于，包括：

获取实际用水事件对应的水温变化信息和用水时长信息；

将所述实际用水事件对应的水温变化信息和用水时长信息输入预置的用水量预测模型中，输出与所述实际用水事件对应的用水量信息；

其中，所述用水量预测模型为预先采用训练用水事件对应的水温变化信息和用水时长信息作为样本输入数据，以所述训练用水事件对应的用水量信息作为样本输出数据，基于机器学习算法进行训练得到的；

其中，所述实际用水事件对应的水温变化信息指实际用水事件对应的开始温度和结束温度。

2.根据权利要求1所述的热水器用水量预测方法，其特征在于，在所述将所述实际用水事件对应的水温变化信息和用水时长信息输入预置的用水量预测模型中，输出与所述实际用水事件对应的用水量信息之前，所述热水器用水量预测方法还包括：建立所述用水量预测模型；

其中，所述建立所述用水量预测模型，包括：

构建预设数量的训练用水事件，将训练用水事件对应的水温变化信息和用水时长信息作为样本输入数据，将训练用水事件对应的用水量信息作为样本输出数据，基于机器学习算法进行模型训练，获得所述用水量预测模型。

3.根据权利要求2所述的热水器用水量预测方法，其特征在于，所述构建预设数量的训练用水事件，将训练用水事件对应的水温变化信息和用水时长信息作为样本输入数据，将训练用水事件对应的用水量信息作为样本输出数据，基于机器学习算法进行模型训练，获得所述用水量预测模型，包括：

构建预设数量的训练用水事件；

将预设数量的训练用水事件分为训练集和测试集；

将训练集中的训练用水事件对应的水温变化信息和用水时长信息作为样本输入数据，将训练集中的训练用水事件对应的用水量信息作为样本输出数据，基于机器学习算法进行模型训练，获得初步用水量预测模型；

利用测试集中的训练用水事件对应的水温变化信息、用水时长信息和用水量信息对所述初步用水量预测模型进行测试，并根据测试结果调整所述初步用水量预测模型直至预测结果满足预设准确度条件后获得所述用水量预测模型。

4.根据权利要求1所述的热水器用水量预测方法，其特征在于，还包括：

获取实际用水事件对应的用水时段信息；

相应地，将所述实际用水事件对应的用水时段信息、水温变化信息和用水时长信息输入预置的用水量预测模型中，输出与所述实际用水事件对应的用水量信息；

相应地，所述用水量预测模型为预先采用训练用水事件对应的用水时段数据、水温变化信息和用水时长信息作为样本输入数据，以所述训练用水事件对应的用水量信息作为样本输出数据，基于机器学习算法进行训练得到的。

5.根据权利要求1或4所述的热水器用水量预测方法，其特征在于，还包括：

获取实际用水事件对应的地理位置信息、月份信息和气温信息中的一种或多种信息；

相应地，将所述实际用水事件对应的地理位置信息、月份信息和气温信息中的一种或多种信息、水温变化信息和用水时长信息输入预置的用水量预测模型中，输出与所述实际用水事件对应的用水量信息；

相应地，所述用水量预测模型为预先采用训练用水事件对应的地理位置数据、月份数据和气温数据中的一种或多种数据、水温变化信息和用水时长信息作为样本输入数据，以所述训练用水事件对应的用水量信息作为样本输出数据，基于机器学习算法进行训练得到的。

6.根据权利要求1所述的热水器用水量预测方法，其特征在于，所述与所述实际用水事件对应的用水量信息为标准温度用水量信息；

其中，所述标准温度用水量为将不同温度状况下对应的用水量转换为标准温度状况下对应的用水量；

相应地，所述用水量预测模型为预先采用训练用水事件对应的水温变化信息和用水时长信息作为样本输入数据，以所述训练用水事件对应的标准温度用水量信息作为样本输出数据，基于机器学习算法进行训练得到的。