[发明专利]空调运行状态的自适应调节方法及装置

权利要求书

1.一种空调运行状态的自适应调节方法，包括：

获取预定时间段内产生的第一特征数据，并对所述第一特征数据进行预处理得到第二特征数据；

将所述第二特征数据输入到预定的深度学习模型中，并利用所述深度学习模型对所述第二特征数据进行学习预测，得到预测后的用于对空调运行状态进行自适应调节的调节参数；

将所述调节参数发送至预定的空调中，以便所述空调根据所述调节参数调整自身的运行状态。

2.如权利要求1所述的方法，其特征在于，获取预定时间段内产生的第一特征数据之前，还包括：

获取对预定的检测对象进行检测得到的检测数据，并根据预设的判断条件对所述检测数据进行判断，以便确定所述空调的工作模式，当所述空调的工作模式符合预设模式时，则执行所述获取预定时间段内产生的第一特征数据的操作；其中，所述预设模式包括夜间工作模式。

3.如权利要求2所述的方法，其特征在于，所述检测对象包括环境光线以及当前时间，获取对预定的检测对象进行检测得到的检测数据，包括：

获取利用光线检测装置对环境光线进行检测得到的光线亮度以及获取当前时间。

4.如权利要求1所述的方法，其特征在于，特征数据包括环境参数数据，所述获取预定时间段内产生的第一特征数据，包括：

获取当天已产生的第一环境参数数据，其中，所述第一环境参数数据包括天气数据、室内温度以及室内湿度中的至少一种。

5.如权利要求1所述的方法，其特征在于，对所述第一特征数据进行预处理得到第二特征数据，包括：

对第一环境参数数据执行特征选择以及数据序列化操作，以便得到第二环境参数数据；其中，所述特征选择包括采用主成分分析算法对所述第一环境参数数据进行降维。

6.如权利要求1所述的方法，其特征在于，深度学习模型为采用长短时记忆神经网络训练得到的模型，所述训练得到长短时记忆神经网络模型的方法，包括：

采集用于模型训练的原始数据集，所述原始数据集中的参数包括时间数据、天气数据、室内温度、室内湿度、空调数据以及用户行为数据中的至少一种；其中，所述空调数据包括空调的运行状态数据，所述用户行为数据包括用户的睡眠行为数据；

对采集到的所述原始数据集执行特征选择以及数据序列化操作；其中，所述特征选择包括采用主成分分析算法对所述原始数据集中的数据进行降维，以便去除冗余数据；所述数据序列化包括将所述降维后的原始数据集中的数据进行转化得到训练数据集，所述训练数据集中包含样本数、时间步长以及属性；

利用长短时记忆神经网络对所述训练数据集进行训练，以便生成所述长短时记忆神经网络模型。

7.如权利要求6所述的方法，其特征在于，所述训练得到长短时记忆神经网络模型的方法，还包括：

在模型训练之前，预先设定所述长短时记忆神经网络的隐藏层数和学习率，并通过遗传算法确定隐藏层中各个节点数；

在模型训练过程中，利用Adam优化算法对所述学习率进行调节，并利用误差反向传播算法对模型的权值和偏置进行调节。

8.如权利要求1所述的方法，其特征在于，所述调节参数包括空调的运行温度以及定时时间。

9.如权利要求8所述的方法，其特征在于，将所述调节参数发送至预定的空调中，以便所述空调根据所述调节参数调整自身的运行状态，包括：

将所述空调的运行温度以及定时时间发送至预定的空调中，以便所述空调根据所述运行温度以及定时时间并利用控制装置对自身的运行状态进行调整。

10.一种空调运行状态的自适应调节装置，其特征在于，包括：

存储器，其上存储有计算机程序；以及

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1至9中任一项所述方法的步骤。