应用于智能设备控制的环境舒适模型自动构建方法及装置与流程

本发明涉及智能化控制，尤其涉及一种应用于智能设备控制的环境舒适模型自动构建方法。

背景技术：

1、为了使用户处于舒适的室内环境，本领域技术人员通常通过热舒适模型预测用户的热舒适水平，并将其运用到室内智能设备系统中，以便于为用户创造一个更加舒适的室内环境。当前广泛应用的热舒适模型为传统预测平均投票值模型pmv(predicted meanvote)，而传统pmv模型只考虑了与人体热舒适感有关的温度、风速、湿度、长波辐射、着装量和人体活动量这6个因素，但在实际生活中，除了这6个因素之外，其它相关因素也会对不同用户的热舒适产生影响，因而传统pmv模型在实际场景的应用中是不准确的，无法真正反映用户的舒适性。另外，传统pmv模型的构建基于特定受试者采集的实验数据，采集大量的实验数据耗时耗力，不利于广泛应用。因此，如何创建一个新的环境舒适模型以提高预测出不同用户在不同室内环境的舒适情况的准确性进而为室内智能设备的智能化控制提供准确的参考依据是本领域技术人员尚待解决的技术问题。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种应用于智能设备控制的环境舒适模型自动构建方法及装置，通过基于自动构建得到的基于智能设备控制的环境舒适模型，能够有利于提高预测出不同用户在不同环境下的舒适情况的准确性，以及能够有利于提高控制智能设备运行的准确性。

2、为了解决上述技术问题，本发明第一方面公开了一种应用于智能设备控制的环境舒适模型自动构建方法，所述方法包括：

3、获取不同环境舒适实验场景下的多个实验数据组，其中，每个所述实验数据组包括该实验数据组对应的舒适参数及该舒适参数对应的、不同目标类型的多个影响因子对应的取值；

4、对所有所述实验数据组执行数据拟合操作，得到数据拟合结果；

5、根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组；

6、根据确定出的训练样本对预先确定出的预测舒适模型执行训练操作，得到目标预测舒适模型；所述训练样本至少包括所有所述训练数据组；

7、其中，所述目标预测舒适模型用于预测不同用户在不同场景下对应的舒适参数。

8、作为一种可选的实施方式，在本发明第一方面中，所述对所有所述实验数据组执行数据拟合操作，得到数据拟合结果，包括：

9、从所有所述实验数据组中清除异常实验数据组，得到用于进行数据拟合的多个目标实验数据组；

10、以所有所述影响因子为自变量且以舒适参数为因变量，基于所有所述目标实验数据组构建热舒适方程式，作为数据拟合结果。

11、作为一种可选的实施方式，在本发明第一方面中，所述对所有所述实验数据组执行数据拟合操作，得到数据拟合结果之后，所述根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组之前，所述方法还包括：

12、判断所述热舒适方程式的所有自变量项中是否存在不满足对应的显著性条件的至少一个目标自变量项；所述自变量项为包括至少一个自变量的项；

13、当判断出所述热舒适方程式的所有自变量项中不存在所述目标自变量项时，触发执行所述的根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组的操作；

14、当判断出所述热舒适方程式中存在至少一个所述目标自变量项时，对于每个所述目标自变量项，从所述热舒适方程式中删除该目标自变量项，以更新所述热舒适方程式；检测所述热舒适方程是否更新完毕，在检测到所述热舒适方程式更新完毕之后，触发执行所述的根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组的操作。

15、作为一种可选的实施方式，在本发明第一方面中，

16、当判断出所述热舒适方程式中存在至少一个所述目标自变量项时，所述对于每个所述目标自变量项，从所述热舒适方程式中删除该目标自变量项，以更新所述热舒适方程式之前，所述方法还包括：

17、确定该目标自变量项的类型，当该目标自变量项的类型表示该目标自变量项包括单一自变量时，判断该目标自变量项的阶数是否满足预先设定的阶数条件，当判断出该目标自变量项的阶数不满足所述阶数条件时，触发执行所述的从所述热舒适方程式中删除该目标自变量项，以更新所述热舒适方程式的操作；

18、当判断出该目标自变量项的阶数满足所述阶数条件时，判断该目标自变量项对应的所有高阶自变量项中是否存在满足对应的显著性条件的至少一个高阶自变量项，当判断出该目标自变量项对应的所有高阶自变量项存在满足对应的显著性条件的至少一个高阶自变量项时，则保留该目标自变量项；当判断出该目标自变量项对应的所有高阶自变量项不存在满足对应的显著性条件的高阶自变量项时，触发执行所述的从所述热舒适方程式中删除该目标自变量项，以更新所述热舒适方程式的操作；

19、其中，对于该目标自变量项对应的任一高阶自变量项，其变量类型与该目标自变量项的变量类型相同，其包括的单一自变量与该目标自变量项包括的单一自变量相同，且其对应的自变量阶数高于该目标自变量项对应的自变量阶数。

20、作为一种可选的实施方式，在本发明第一方面中，在所述检测到所述热舒适方程式更新完毕之后，以及在所述根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组之前，所述方法还包括：

21、判断所述数据拟合结果是否满足预先设定的优度条件；

22、当判断出所述数据拟合结果满足预先设定的所述优度条件时，执行所述的根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组的操作。

23、作为一种可选的实施方式，在本发明第一方面中，所述根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组，包括：

24、根据蒙地卡罗方法以及所有所述目标类型的影响因子中每个影响因子对应的取值范围，生成多个自变量训练组，所述自变量训练组包括每个所述目标类型的影响因子分别对应的一个训练值，每个所述目标类型的影响因子对应的训练值是根据所述蒙地卡罗方法从该目标类型的影响因子对应的取值范围中生成的；

25、分别将每个所述自变量训练组代入所述热舒适方程式，得到每个所述自变量训练组对应的因变量参数；

26、分别将每个所述自变量训练组及其对应的因变量参数确定为一个训练数据组，并对每个所述训练数据组中每个训练值执行第一标注操作以及对每个所述训练数据组对应的因变量参数执行第二标注操作，以生成多个自变量训练数据组。

27、作为一种可选的实施方式，在本发明第一方面中，所述根据确定出的训练样本对预先确定出的预测舒适模型执行训练操作，得到目标预测舒适模型之后，所述方法还包括：

28、采集目标场景对应的第一参数集合，所述第一参数集合包括第一类型的参数集合和/或第二类型的参数集合，所述第一类型的参数集合包括所述目标场景的环境参数，所述第二类型的参数集合包括所述目标场景中目标用户对应的用户参数，或者，所述第二类型的参数集合包括所述目标场景中目标用户对应的用户参数以及根据采集到的所述目标用户的多模态信息分析出的辅助参数；所述目标场景为需要针对该目标场景中的用户进行舒适度调整的任一场景，所述目标用户为所述目标场景中需要进行舒适度调整的任一用户；

29、将所述第一参数集合输入至预先确定出的所述目标预测舒适模型，得到所述目标预测舒适模型的第一输出结果，所述第一输出结果用于表示所述目标用户在所述目标场景下的最优舒适参数；

30、将所述第一输出结果以及第二参数集合输入至预先确定出的目标策略模型，得到所述目标策略模型的第二输出结果；

31、根据所述第二输出结果执行针对所述目标场景中的目标智能设备的控制操作，或者，将所述第二输出结果确定为所述目标场景中的目标智能设备的控制参考依据，所述目标智能设备与所述最优舒适参数的参数类型相匹配。

32、本发明第二方面公开了一种应用于智能设备控制的环境舒适模型自动构建装置，所述装置包括：

33、获取模块，用于获取不同环境舒适实验场景下的多个实验数据组，其中，每个所述实验数据组包括该实验数据组对应的舒适参数及该舒适参数对应的、不同目标类型的多个影响因子对应的取值；

34、拟合模块，用于对所有所述实验数据组执行数据拟合操作，得到数据拟合结果；

35、生成模块，用于根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组；

36、训练模块，用于根据确定出的训练样本对预先确定出的预测舒适模型执行训练操作，得到目标预测舒适模型；所述训练样本至少包括所有所述训练数据组；其中，所述目标预测舒适模型用于预测不同用户在不同场景下对应的舒适参数。

37、作为一种可选的实施方式，在本发明第二方面中，所述拟合模块对所有所述实验数据组执行数据拟合操作，得到数据拟合结果的方式具体为：

38、从所有所述实验数据组中清除异常实验数据组，得到用于进行数据拟合的多个目标实验数据组；

39、以所有所述影响因子为自变量且以舒适参数为因变量，基于所有所述目标实验数据组构建热舒适方程式，作为数据拟合结果。

40、作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：

41、判断模块，用于在所述拟合模块对所有所述实验数据组执行数据拟合操作，得到数据拟合结果之后，以及在所述生成模块根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组之前，判断所述热舒适方程式的所有自变量项中是否存在不满足对应的显著性条件的至少一个目标自变量项；所述自变量项为包括至少一个自变量的项；当判断出所述热舒适方程式的所有自变量项中不存在所述目标自变量项时，触发所述生成模块执行所述的根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组的操作；

42、删除模块，用于当所述判断模块判断出所述热舒适方程式中存在至少一个所述目标自变量项时，对于每个所述目标自变量项，从所述热舒适方程式中删除该目标自变量项，以更新所述热舒适方程式；

43、检测模块，用于检测所述热舒适方程是否更新完毕，在检测到所述热舒适方程式更新完毕之后，触发所述生成模块执行所述的根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组的操作。

44、作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：

45、确定模块，用于在所述判断模块判断出所述热舒适方程式中存在至少一个所述目标自变量项之后，以及在所述删除模块对于每个所述目标自变量项，从所述热舒适方程式中删除该目标自变量项，以更新所述热舒适方程式之前，确定该目标自变量项的类型；

46、所述判断模块，还用于当该目标自变量项的类型表示该目标自变量项包括单一自变量时，判断该目标自变量项的阶数是否满足预先设定的阶数条件；当所述判断模块判断出该目标自变量项的阶数不满足所述阶数条件时，触发所述删除模块执行所述的从所述热舒适方程式中删除该目标自变量项，以更新所述热舒适方程式的操作；

47、所述判断模块，还用于当判断出该目标自变量项的阶数满足所述阶数条件时，判断该目标自变量项对应的所有高阶自变量项中是否存在满足对应的显著性条件的至少一个高阶自变量项；当判断出该目标自变量项对应的所有高阶自变量项不存在满足对应的显著性条件的高阶自变量项时，触发所述删除模块执行所述的从所述热舒适方程式中删除该目标自变量项，以更新所述热舒适方程式的操作；其中，对于该目标自变量项对应的任一高阶自变量项，其变量类型与该目标自变量项的变量类型相同，其包括的单一自变量与该目标自变量项包括的单一自变量相同，且其对应的自变量阶数高于该目标自变量项对应的自变量阶数；

48、保留模块，用于当所述判断模块判断出该目标自变量项对应的高阶自变量项中存在满足对应的显著性条件的至少一个高阶自变量项时，则保留该目标自变量项。

49、作为一种可选的实施方式，在本发明第二方面中，所述判断模块，还用于在所述检测模块检测到所述热舒适方程式更新完毕之后，以及在所述生成模块根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组之前，判断所述数据拟合结果是否满足预先设定的优度条件；当判断出所述数据拟合结果满足预先设定的所述优度条件时，触发所述生成模块执行所述的根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组的操作。

50、作为一种可选的实施方式，在本发明第二方面中，所述生成模块根据所述数据拟合结果以及每个所述目标类型的影响因子对应的取值范围，生成多个训练数据组的方式具体为：

51、根据蒙地卡罗方法以及所有所述目标类型的影响因子中每个影响因子对应的取值范围，生成多个自变量训练组，所述自变量训练组包括每个所述目标类型的影响因子分别对应的一个训练值，每个所述目标类型的影响因子对应的训练值是根据所述蒙地卡罗方法从该目标类型的影响因子对应的取值范围中生成的；

52、分别将每个所述自变量训练组代入所述热舒适方程式，得到每个所述自变量训练组对应的因变量参数；

53、分别将每个所述自变量训练组及其对应的因变量参数确定为一个训练数据组，并对每个所述训练数据组中每个训练值执行第一标注操作以及对每个所述训练数据组对应的因变量参数执行第二标注操作，以生成多个自变量训练数据组。

54、作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：

55、采集模块，用于在所述训练模块根据确定出的训练样本对预先确定出的预测舒适模型执行训练操作，得到目标预测舒适模型之后，采集目标场景对应的第一参数集合，所述第一参数集合包括第一类型的参数集合和/或第二类型的参数集合，所述第一类型的参数集合包括所述目标场景的环境参数，所述第二类型的参数集合包括所述目标场景中目标用户对应的用户参数，或者，所述第二类型的参数集合包括所述目标场景中目标用户对应的用户参数以及根据采集到的所述目标用户的多模态信息分析出的辅助参数；所述目标场景为需要针对该目标场景中的用户进行舒适度调整的任一场景，所述目标用户为所述目标场景中需要进行舒适度调整的任一用户；

56、输入模块，用于将所述第一参数集合输入至预先确定出的所述目标预测舒适模型，得到所述目标预测舒适模型的第一输出结果，所述第一输出结果用于表示所述目标用户在所述目标场景下的最优舒适参数；

57、所述输入模块，还用于将所述第一输出结果以及第二参数集合输入至预先确定出的目标策略模型，得到所述目标策略模型的第二输出结果；

58、控制模块，用于根据所述第二输出结果执行针对所述目标场景中的目标智能设备的控制操作，或者，将所述第二输出结果确定为所述目标场景中的目标智能设备的控制参考依据，所述目标智能设备与所述最优舒适参数的参数类型相匹配。

59、本发明第三方面公开了另一种应用于智能设备控制的环境舒适模型自动构建装置，所述装置包括：

60、存储有可执行程序代码的存储器；

61、与所述存储器耦合的处理器；

62、所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的应用于智能设备控制的环境舒适模型自动构建方法。

63、本发明第四方面公开了一种计算机可存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的应用于智能设备控制的环境舒适模型自动构建方法。

64、与现有技术相比，本发明实施例具有以下有益效果：

65、本发明实施例中，获取不同环境舒适实验场景下的多个实验数据组，对所有实验数据组执行数据拟合操作，得到数据拟合结果，根据数据拟合结果以及每个目标类型的影响因子对应的取值范围，生成多个训练数据组，根据确定出的训练样本对预先确定出的预测舒适模型执行训练操作，得到目标预测舒适模型。可见，实施本发明能够通过基于自动构建得到的基于智能设备控制的环境舒适模型，能够有利于提高预测出不同用户在不同环境下的舒适情况的准确性，以及能够有利于根据预测出的不同用户在不同环境下的舒适情况以提高控制智能设备运行的准确性。