[发明专利]一种被芯推荐模型的训练方法及被芯推荐方法

权利要求书

1.一种被芯推荐模型的训练方法，其特征在于，包括：

针对多个不同地区，采集多个室外温度；

将多个所述室外温度随机分为训练集和测试集；

采用所述训练集训练依次连接的第一神经网络模型和第二神经网络模型，得到训练好的第一神经网络模型和第二神经网络模型；

将所述测试集输入训练好的第一神经网络模型和第二神经网络模型，得到对应的预测耐热性能值，当所述预测耐热性能值满足预设条件时，将当前第一神经网络模型和第二神经网络模型作为被芯推荐模型。

2.根据权利要求1所述的训练方法，其特征在于，所述地区采用GB50176-2016规范进行划分。

3.根据权利要求1所述的训练方法，其特征在于，所述第一神经网络模型和第二神经网络模型均采用卷积神经网络。

4.根据权利要求1所述的训练方法，其特征在于，所述将所述测试集输入训练好的第一神经网络模型和第二神经网络模型，得到对应的预测耐热性能值的步骤包括：

将所述测试集中的室外温度输入训练好的第一神经网络模型，得到对应的预测室内温度；

将所述预测室内温度输入训练好的第二神经网络模型，得到对应的预测耐热性能值。

5.根据权利要求1所述的训练方法，其特征在于，采集的多个室外温度预先设置有对应的耐热性能值范围；

所述当所述预测耐热性能值满足预设条件时，将当前第一神经网络模型和第二神经网络模型作为被芯推荐模型的步骤包括：

当所有所述预测耐热性能值与对应的耐热性能值范围相符合的概率达到预设阈值时，认为当前的第一神经网络模型和第二神经网络模型满足预设条件，并将其作为被芯推荐模型。

6.一种被芯推荐模型的训练系统，其特征在于，包括：

采集模块，用于针对多个不同地区，采集多个室外温度；

划分模块，用于将多个所述室外温度随机分为训练集和测试集；

训练模块，用于采用所述训练集训练依次连接的第一神经网络模型和第二神经网络模型，得到训练好的第一神经网络模型和第二神经网络模型；

模型生成模块，用于将所述测试集输入训练好的第一神经网络模型和第二神经网络模型，得到对应的预测耐热性能值，当所述预测耐热性能值满足预设条件时，将当前第一神经网络模型和第二神经网络模型作为被芯推荐模型。

7.一种计算机设备，其特征在于，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现如权利要求1-5任意一项所述的被芯推荐模型的训练方法。

8.一种计算机可读的存储介质，其特征在于，包括程序，当其在计算机上运行时，使得计算机执行如权利要求1-5任意一项所述的被芯推荐模型的训练方法。

9.一种被芯推荐方法，其特征在于，采用如权利要求1-5任意一项所述的被芯推荐模型的训练方法得到的被芯推荐模型，所述被芯推荐方法包括：

采集目标地区的实际室外温度；

将所述实际室外温度输入所述被芯推荐模型，得到所述实际室外温度对应的预测耐热性能值；

根据所述预测耐热性能值匹配多种被芯的实际被芯热阻值，将实际被芯热阻值与所述预测背被芯热阻值最接近的被芯进行推荐；其中，所述实际被芯热阻值被预先设置。

10.根据权利要求9所述的被芯推荐方法，其特征在于，所述实际被芯热阻值按照BS5335-2-2006标准预先测试得到。