[發明專利]基于決策樹分類算法的空調智能溫控方法

在審

• 申請號: 201811377460.0
• 申請日: 2018-11-19
• 公開（公告）號: CN109376795A
• 公開（公告）日: 2019-02-22
• 發明（設計）人: 安生滿;楊震泉;張帥
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 陳立志

本發明涉及空調領域，公開了一種基于決策樹分類算法的空調智能溫控方法，用以提高空調自動控制的能力，提高用戶體驗的同時減少因過度吹空調引起的不適。本發明需要先期采集大量數據生成訓練集，并通過健康體系得到適宜條件的閾值，然后利用訓練集建立并精化一棵決策樹，建立決策樹模型，然后在系統工作中利用生成完畢的決策樹對通過信息采集設備獲取環境數據從根結點依次測試記錄的屬性值，直到到達某個葉結點，從而找到該記錄所在的類，然后通過分類決策樹對數據進行判斷，并對各個環境條件下達到的結果進行最優化處理并做出最終的控制操作。本發明適用于空調智能溫度控制。

技術領域

本發明涉及空調領域，特別涉及基于決策樹分類算法的空調智能溫控方法。

背景技術

隨著智能設備的普及，家用電器已經基本實現了智能化，更方便快捷的為人們的生活服務。但是現有的空調往往不能在人工做操之后在周邊環境發生變化的情況下進行適度的調控，使當前環境處于最適宜的條件下，已引起空調病以及不必要的能源浪費。

分類決策樹，決策樹(Decision Tree)又稱為判定樹，是運用于分類的一種樹結構。其中的每個內部結點(internal node)代表對某個屬性的一次測試，每條邊代表一個測試結果，葉結點(leaf)代表某個類(class)或者類的分布(class distribution)，最上面的結點是根結點。決策樹分為分類樹和回歸樹兩種，分類樹對離散變量做決策樹，回歸樹對連續變量做決策樹。決策樹算法有一個好處，那就是它可以產生人能直接理解的規則，這是貝葉斯、神經網絡等算法沒有的特性；決策樹的準確率也比較高，而且不需要了解背景知識就可以進行分類，是一個非常有效的算法。決策樹算法有很多變種，包括ID3、C4.5、C5.0、CART等，但其基礎都是類似的。

發明內容

本發明要解決的技術問題是：提供一種基于決策樹分類算法的空調智能溫控方法，用以提高空調自動控制的能力，提高用戶體驗的同時減少因過度吹空調引起的不適。

為解決上述問題，本發明采用的技術方案是：基于決策樹分類算法的空調智能溫控方法，包括如下步驟：

步驟S01：獲取當前環境的環境信息，并將環境信息轉化為預定義所對應的操作數據；

步驟S02：處理步驟S01中得到的數據進行數據清洗；

步驟S03：對步驟S02中得到的有效數據進行數據變換，用以將連續數據概化到更高層概念；

步驟S04：將概化之后的數據輸入到決策樹模型中進行分類；

步驟S05：根據步驟S04的分類結果進行最優化處理，并執行最終結果。

進一步的，步驟S01采集的環境信息不一定是同時包含環境溫度、環境濕度、環境質量、空氣流動及人體表面溫度，也可以包括環境溫度、環境濕度、環境質量、空氣流動及人體表面溫度信息中的一種或者多種。

進一步的，步驟02中所述的數據清洗一般包括：檢查數據一致性，以及刪除無效值和缺失值。

進一步的，為了清楚的說明本發明分類決策樹模型的生成步驟，步驟S04中分類決策樹模型的生成步驟可以包括：

步驟S0401：統計在人感覺舒適情況下的環境數據；

步驟S0402：對步驟S0401中得到的數據進行統計，并對數據進行人工分類，定義出范圍閾值，并通過清洗處理得到訓練集和測試數據集；

步驟S0403：利用步驟S0402中得到的訓練集訓練分類器，并用測試數據集對訓練所得的分類器進行測試，得到一個分類決策樹；

步驟S0404、結合實際情況對S0403得到的分類決策樹進行剪枝與優化，得到最佳的自動溫控的決策樹模型。