[发明专利]基于大数据的舒适度预测方法、智能终端、存储装置

权利要求书

1.一种基于大数据的舒适度预测方法，其特征在于，所述方法包括：

S101：获取与舒适度相关的数据，对所述数据进行聚类形成至少一个类型簇；

S102：根据所述类型簇的特征数据获取第一舒适度指标，并对所述类型簇进行降维处理；

S103：根据所述数据中的用户使用行为确定所述类型簇中的数据对应的需求模式，采用机器学习算法对每个所述类型簇和所述需求模式进行模型训练以形成舒适度模型；

S104：根据实际控制对象的属性变量选择与之匹配的舒适度模型，根据舒适度模型预测用户的舒适度指标。

2.如权利要求1所述的基于大数据的舒适度预测方法，其特征在于，所述获取与舒适度相关的数据的步骤之后还包括：

对所述数据进行预处理，所述预处理包括数据清理，数据集成，数据变换，数据归约中的至少一种。

3.如权利要求1所述的基于大数据的舒适度预测方法，其特征在于，所述对所述数据进行聚类形成至少一个类型簇的步骤具体包括：

根据所述数据的属性变量对所述数据进行聚类形成至少一个类型簇。

4.如权利要求1所述的基于大数据的舒适度预测方法，其特征在于，所述对所述类型簇进行降维处理的步骤具体包括：

对所述类型簇进行特征关联度分析，根据所述类型簇中的数据与所述第一舒适度指标的关联度对所述类型簇进行降维处理。

5.如权利要求1所述的基于大数据的舒适度预测方法，其特征在于，所述使用行为包括：开机时间点、开机时长、设置模式、设置温度、有无开门开窗中的至少一种。

6.如权利要求1所述的基于大数据的舒适度预测方法，其特征在于，所述根据所述类型簇的特征数据获取第一舒适度指标的步骤具体包括：

根据所述类型簇包含的室内温湿度数据提取与时间相关的第一舒适度指标。

7.如权利要求1所述的基于大数据的舒适度预测方法，其特征在于，所述根据实际控制对象的属性变量选择与之匹配的舒适度模型的步骤具体包括：

获取所述属性变量对应的类型簇，将所述类型簇训练形成的舒适度模型确定为所述实际控制对象对应的舒适度模型。

8.如权利要求1所述的基于大数据的舒适度预测方法，其特征在于，所述根据舒适度模型预测用户的舒适度指标的步骤具体包括：

获取用户的当前使用行为对应的需求模式，将所述需求模式以及与所述实际控制对象相关的数据降维后输入所述舒适度模型中，预测所述用户的舒适度指标。

9.一种智能终端，其特征在于，所述智能终端包括处理器、存储器，所述处理器与所述存储器耦合连接，所述存储器存储有与舒适度相关的数据，所述处理器在执行计算机程序时实现如权利要求1-8任一项所述的基于大数据的舒适度预测方法。

10.一种具有存储功能的存储装置，其特征在于，所述存储装置存储有程序数据，所述程序数据用于执行如权利要求1-8任一项所述的基于大数据的舒适度预测方法。