[发明专利]一种被芯推荐模型的训练方法及被芯推荐方法

说明书

本发明提供了一种被芯推荐模型的训练方法及被芯推荐方法，能够采集多个不同地区的多个室外温度；将多个室外温度分为训练集和测试集；采用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；将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，当其满足预设条件时，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。本发明能够采用实际室外温度训练第一神经网络模型，用以预测室内温度，并采用该预测室内温度训练第二神经网络模型，用于预测耐热性能值，并推荐实际耐热性能值与预测耐热性能值最匹配的被芯，本发明参考了实际温度，使得推荐的被芯更符合使用需求，增加了被芯推荐精度。

技术领域

本发明涉及模型训练技术领域，特别是涉及一种被芯推荐模型的训练方法及被芯推荐方法。

背景技术

市场上向消费者推荐被芯或者是消费者自己购买被芯时多依据经验，但是随着材料学的高速发展，越来越多的新材料应用于纺织行业，市场上即便是同品类的被芯，其保暖性能也会存在很大的差异，这给消费者的挑选造成了较大的干扰；被芯的保暖性能有高低之分，挑选保暖性能高的被芯睡眠期间有被热醒的风险，而挑选保暖性能低的被芯晚上则有被冻醒的风险，被热醒或者是被冻醒都会严重的影响睡眠质量，因此，根据人体睡眠热舒适性推荐被芯是最科学有效的方法。

在现有技术中，往往只能根据不同的季节和不同的地区推荐对应的被芯，然而，如果遇上倒春寒、秋老虎等异常气温的天气，就会使得推荐的被子不符合实际需求，因此，只根据地区和季节的不同来推荐被芯是不准确的。

综上，现有技术中存在根据不同的季节和不同的地区推荐的被芯无法满足实际需求等问题。

发明内容

鉴于以上现有技术的缺点，本发明的目的在于提供一种被芯推荐模型的训练方法及被芯推荐方法，以改善现有技术中的根据不同的季节和不同的地区推荐的被芯无法满足实际需求等技术问题。

为实现上述目的及其他相关目的，本发明提供一种被芯推荐模型的训练方法，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。

在一种较优的实施例中，所述地区采用GB 50176-2016规范进行划分在一种较优的实施例中，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。

在一种较优的实施例中，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。

在一种较优的实施例中，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。

本发明还公开了一种被芯推荐模型的训练系统，包括：

采集模块，用于针对多个不同地区，采集多个室外温度；