[发明专利]基于众包的温度预测方法、装置、设备和存储介质

权利要求书

1.一种基于众包的温度预测方法，其特征在于，包括：

采集终端数据，终端数据包括电池数据、屏幕使用数据和CPU使用数据；

将所述终端数据输入预设的最优神经网络模型，输出温度预测结果，所述温度预测结果包括温度预测值及其可信度；

获取预设范围内的其他终端的温度预测结果，并根据自身的温度预测结果和所述其他终端的温度预测结果，获取可信度最高的温度预测值，作为最终温度预测值；

其中，最优神经网络模型通过对神经网络模型进行训练得到；所述神经网络模型包括独热编码模块、八头注意力模型、隐含层、激活层、第一线性层和第二线性层，所述八头注意力模型包括八个注意力模型单元以及拼接模块和第三线性层，所述注意力模型单元包括四个第四线性层以及自注意力模块和目标注意力模块；

所述独热编码模块用于分别对输入的样本终端数据中的11个变量进行独热编码，得到11个第一向量，所述第一向量为12维向量；

所述独热编码模块还用于对输入的温度数据进行独热编码，得到第二向量，所述第二向量为12维向量；

所述四个第四线性层中的三个第四线性层用于对所述11个第一向量进行编码，得到向量Q、向量K和向量V，所述向量Q、向量K和向量V均为128维向量；

所述四个第四线性层中剩余的一个第四线性层用于对所述第二向量进行编码，得到目标向量，所述目标向量为128维向量；

所述自注意力模块用于对所述向量Q、向量K和向量V进行自注意力运算，得到11个自注意力向量，所述自注意力向量为128维向量；

所述目标注意力模块用于根据所述11个自注意力向量和目标向量，计算得到第三向量，所述第三向量为128维向量；

所述拼接模块用于对八个注意力模型单元输出的第三向量进行拼接，得到第四向量，所述第四向量为1024维向量；

所述第三线性层用于对所述第四向量进行编码，得到第五向量，所述第五向量为128维向量；

所述隐含层用于对所述第五向量进行编码，得到第六向量，所述第六向量为32维向量；

所述激活层用于根据预设的激活函数对所述第六向量进行计算，得到第七向量，所述第七向量为32维向量；

所述第一线性层用于对所述第七向量进行编码，得到温度预测值；

所述第二线性层用于对所述第七向量进行编码，得到所述温度预测值的可信度。

2.根据权利要求1所述的基于众包的温度预测方法，其特征在于，所述获取预设范围内的其他终端的温度预测结果，并根据自身的温度预测结果和所述其他终端的温度预测结果，获取可信度最高的温度预测值，作为最终温度预测值之后，所述方法还包括：

将所述最终温度预测值以及位置信息发送至管理中心，以使管理中心根据所述位置信息和最终温度预测值，进行温度调控。

3.根据权利要求1所述的基于众包的温度预测方法，其特征在于，所述采集终端数据，终端数据包括电池数据、屏幕使用数据和CPU使用数据，包括：

根据预设的周期采集终端数据，所述终端数据包括电池数据、屏幕使用数据和CPU使用数据；

其中，所述电池数据包括电压、电池温度传感器读数、上一次激活屏幕时的电池温度传感器读数以及上一次熄屏时的电池温度传感器读数，所述屏幕使用数据包括屏幕激活状态、屏幕持续激活时间、屏幕持续熄屏时间、上一次激活屏幕前的持续熄屏时间以及上一次熄屏前持续使用时间，所述CPU使用数据包括CPU使用率以及平均CPU使用率。