[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

说明书

本发明实施例提供了一种热水器用水量预测方法及装置、热水器及电子设备，本发明实施例根据实际用水事件对应的水温变化信息和用水时长信息采用基于机器学习的用水量预测模型即可预测与实际用水事件对应的用水量信息，从而无需要求热水器中必须安装有能够测量水流量的传感器件。因此，本发明实施例提供的热水器用水量预测方法，可用于未安装有水流量传感器或有其他水流量测量器件的热水器的用水量信息的获取，从而便于这些热水器升级一些基于用水量信息的新功能。

技术领域

本发明涉及智能控制技术领域，具体涉及一种热水器用水量预测方法及装置、热水器及电子设备。

背景技术

目前，热水器用水量的获取方式一般是利用安装在热水器内部的水流量传感器采集用水过程中的水流量，然后将采集到的水流量与用水时长相乘后获取热水器用水量。

然而，上面提到的热水器用水量的获取方式存在如下问题：

当热水器内部没有安装水流量传感器时，将无法获取热水器的用水量。例如，对于一些老款热水器，由于其内部没有安装水流量传感器，因此，无法利用上面所述的方式获取热水器的用水量。

发明内容

针对现有技术中的问题，本发明实施例提供一种热水器用水量预测方法及装置、热水器及电子设备。

为解决上述技术问题，本发明实施例提供以下技术方案：

第一方面，本发明实施例提供了一种热水器用水量预测方法，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。

进一步地，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。

进一步地，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。

进一步地，所述的热水器用水量预测方法，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；