CN105465957A - 一种智能温度调节方法及其系统 - Google Patents

Abstract

本发明提供了一种智能温度调节方法及其系统。其中，所述方法包括：模型构建阶段：A、采集若干开机时刻的用户设定温度及相对应的环境温度；B、依据所述用户设定温度及相对应的环境温度，生成用户设定温度与相对应环境温度之间的相关关系模型。以及智能调节阶段：C、采集开机时刻的当前环境温度；D、基于当前环境温度，依据所述相关关系模型，计算获得相应的当前设定温度。通过上述方法可以自动设置为相对应的设定温度以满足用户的需求从而避免了用户频繁地调整设备的设定温度。另外由于基于用户的历史使用习惯来构建模型，计算出的设定温度能够更好的契合用户的要求。

Description

一种智能温度调节方法及其系统

技术领域

本发明涉及智能控制技术领域，尤其涉及一种智能温度调节方法及其系统。

背景技术

在现代生活中，室内温度调控装置，例如空调设备已在普通家庭中得到了广泛的应用，为人们带来许多的便利。

由于合适的环境温度和用户的舒适度是紧密相关的。所以，在空调的使用过程中，不可避免地需要对空调等的设定温度进行调节，希望能够得到合适的室内温度。

例如，当我们在开启空调的时候，往往会把空调的温度设置得很低，希望能够更快地降低环境的温度，而过了一段时间后，等环境温度降下来，我们又往往需要把空调的温度调高，把温度调节到自己感觉舒适的温度。

另外，由于不同人或不同的家庭成员对舒适温度的感觉因人而异，甚至有些用户并不知道自己舒适的温度是多少。因此，导致用户需要频繁地去调节空调的设定温度，来获得舒适的环境温度，这为用户的操作带来极大的不便，而且频繁的调节也对空调的电机控制系统提出了更高的挑战。

现有一些空调尝试使用固定的模式，例如睡眠模式等来解决上述问题。但由于每个人对于舒适温度的感觉各不相同，甚至在不同时间段或不同地点对于舒适温度的感觉也会随之变化。因此对于空调厂商来说，很难设定固定的温度调节规则来真正地满足用户所期望的舒适温度的需求。

因此，现有技术还有待发展。

发明内容

鉴于上述现有技术的不足之处，本发明的目的在于提供一种智能温度调节方法及其系统，旨在解决现有技术中需要频繁调节设备的设定温度来获得舒适的环境温度，不便于用户使用的问题。

为了达到上述目的，本发明采取了以下技术方案：

一种智能温度调节方法，其中，所述方法包括：

模型构建阶段：

A、采集若干开机时刻的用户设定温度及相对应的环境温度；

B、依据所述用户设定温度及相对应的环境温度，生成用户设定温度与相对应环境温度之间的相关关系模型；

智能调节阶段：

C、采集开机时刻的当前环境温度；

D、基于当前环境温度，依据所述相关关系模型，计算获得相应的当前设定温度。

所述的智能温度调节方法，其中，所述步骤B具体包括：

B1、获取最新的N个开机时刻的用户设定温度及相对应的环境温度作为第一样本数据，N为大于等于1的正整数；

B2、使用一元线性回归模型构建用户设定温度与相对应的环境温度之间的相关关系模型；

所述一元线性回归模型具体由如下算式表示：

其中，t_a表示当前环境温度，表示当前设定温度；

B3、基于所述第一样本数据，通过最小二乘法求解所述一元线性回归模型的参数和

其中，

$\left\{\begin{array}{c}\hat{b}=\frac{\underset{i=1}{\overset{N}{\Σ}}(t_{a_i}-\stackrel{\‾}{t_a})(t_{s_i}-\stackrel{\‾}{t_s})}{\underset{i=1}{\overset{N}{\Σ}}{(t_{a_i}-\stackrel{\‾}{t_a})}^2}\\ \hat{a}=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{t}_{s_i}-\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{t}_{a_i}\right)\hat{b}\end{array}\right.$

表示N个开机时刻的环境温度t_a的平均值；表示N个用户设定温度t_s的平均值。

所述的智能温度调节方法，其中，所述方法还包括：

E、采集若干运行时刻的环境温度；

F、基于所述运行时刻的环境温度，采用加权平均法计算理想设定温度；

G、依据所述理想设定温度，生成当前运行时刻设定温度。

所述的智能温度调节方法，其中，所述步骤E具体包括：

E1、以k次/天的频率采集运行时刻的环境温度，形成每日环境温度数据集；

E2、获取最新的m天的每日环境温度数据集作为第二样本数据，其中，k和m为大于等于1的正整数；

所述步骤F具体为：

基于所述第二样本数据，通过如下算式计算所述运行时刻的相关关系模型：

$\left\{\begin{array}{c}{t}_{ao}=\frac{\underset{i=1}{\overset{M}{\&Sigma;}}{t}_{a_{mk}}{x}_i}{M}\\ x_1<x_2<\mathrm{...}<x_m\\ x_1+x_2+\mathrm{...}+x_m=1\end{array}\right.$

其中，t_ao为理想设定温度，表示第m天的第k次采集的环境温度。

所述的智能温度调节方法，其中，所述步骤G具体为：

基于所述理想设定温度，通过如下算式计算获得当前运行时刻设定温度；

t_s＝(t_ao-t_a)×δ+t_ao其中，t_s为当前运行时刻设定温度，t_a为当前环境温度，t_ao为理想设定温度，δ为调整系数。

一种智能温度调节系统，其中，所述系统包括：

采集模块，用于采集若干开机时刻的用户设定温度及环境温度；

调节习惯构建模块，用于依据所述用户设定温度及相对应的环境温度，生成用户设定温度与相对应环境温度之间的相关关系模型；

以及智能温度调节模块，用于基于当前环境温度，依据所述相关关系模型，计算获得相应的当前设定温度。

所述的智能温度调节系统，其中，所述采集模块具体用于：获取最新的N个开机时刻的用户设定温度及相对应的环境温度作为第一样本数据，N为大于等于1的正整数；

所述调节习惯构建模块具体用于：

使用一元线性回归模型构建用户设定温度与相对应的环境温度之间的相关关系模型；

所述一元线性回归模型具体由如下算式表示：

其中，t_a表示当前环境温度，表示当前设定温度；并且

基于所述第一样本数据，通过最小二乘法求解所述一元线性回归模型的参数和

其中，

$\left\{\begin{array}{c}\hat{b}=\frac{\underset{i=1}{\overset{N}{\&Sigma;}}(t_{a_i}-\stackrel{\&OverBar;}{t_a})(t_{s_i}-\stackrel{\&OverBar;}{t_s})}{\underset{i=1}{\overset{N}{\&Sigma;}}{(t_{a_i}-\stackrel{\&OverBar;}{t_a})}^2}\\ \hat{a}=\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{t}_{s_i}-\left(\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{t}_{a_i}\right)\hat{b}\end{array}\right.$

表示N个开机时刻的环境温度t_a的平均值；表示N个用户设定温度t_s的平均值。

所述的智能温度调节系统，其中，所述采集模块还用于，采集若干运行时刻的环境温度；

所述系统还包括最佳温度构建模块，用于基于所述运行时刻的环境温度，采用加权平均法计算理想设定温度；并且

依据所述理想设定温度，生成当前运行时刻设定温度。

所述的智能温度调节系统，其中，所述采集模块具体用于，以k次/天的频率采集运行时刻的环境温度，形成每日环境温度数据集；并且获取最新的m天的每日环境温度数据集作为第二样本数据，其中，k和m为大于等于1的正整数；

所述最佳温度构建模块具体用于，基于所述第二样本数据，通过如下算式计算所述运行时刻的相关关系模型：

$\left\{\begin{array}{c}{t}_{ao}=\frac{\underset{i=1}{\overset{M}{\&Sigma;}}{t}_{a_{mk}}{x}_i}{M}\\ x_1<x_2<\mathrm{...}<x_m\\ x_1+x_2+\mathrm{...}+x_m=1\end{array}\right.$ 其中，t_ao为理想设定温度，表示第m天的第k次采集的环境温度。

所述的智能温度调节系统，其中，所述最佳温度构建模块具体用于：

基于所述理想设定温度，通过如下算式计算获得当前运行时刻设定温度；

t_s＝(t_ao-t_a)×δ+t_ao，其中，ts为当前运行时刻设定温度，tao为当前环境温度，ta为理想设定温度，δ为调整系数。

有益效果：本发明提供的一种智能温度调节方法及其系统，通过采集历史的设定温度与相对应的环境温度作为样本数据，训练获得设定温度与环境温度的相关关系并由此推算出当前环境温度相对应的设定温度。在设备开机后，可以自动设置为相对应的设定温度以满足用户的需求从而避免了用户频繁的对调整设备的设定温度。由于基于用户的历史使用习惯来构建模型，计算出的设定温度能够更好的契合用户的要求，提升设备的智能化水平，便于用户使用。

附图说明

图1为本发明具体实施例的智能温度调节方法的方法流程图。

图2为本发明具体实施例的智能温度调节方法的步骤S2的具体方法流程图。

图3为本发明较佳实施例的智能温度调节方法的方法流程图。

图4为本发明较佳实施例的智能温度调节方法的加权平均法的方法流程图。

图5为本发明具体实施例的智能温度调节系统的功能框图。

具体实施方式

本发明提供一种智能温度调节方法及其系统。为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明所述的智能温度调节方法及其系统可以应用于任何类型的，具有至少一个能够获取当前温度的温度传感器的室内温度控制设备，例如分体式空调、中央空调、风冷系统等等。

所述温度控制设备一般的包括至少一个供用户调整所述温度控制设备的设定温度的交互终端，例如配套的遥控器、与温度控制设备建立有线或者无线通信连接的用户终端，例如智能手机、电脑等。

所述温度控制设备一般的可以包括一个中央控制系统，用于控制温度控制设备的运作及执行特定的逻辑运算。本发明所述智能温度调节方法可以在一个独立的模块中执行，也可以作为一个核心功能模块，整合到具有足够的运算能力的智能化温度控制设备中。

为陈述方便，以下以到空调为例，对本发明所述智能温度调节方法进行阐述。

如图1所示，为本发明具体实施例的一种智能温度调节方法。其中，所述方法包括模型构建阶段及智能调节阶段两个阶段。

所述模型构建阶段包括：

S1、采集若干开机时刻的用户设定温度及相对应的环境温度。所述用户设定温度是指用户设定的空调所需要达到的目标温度，所述相对应的环境温度具体是指在当前时刻的室内环境温度。

上述采集到的历史数据(采集若干开机时刻的用户设定温度及相对应的环境温度)即可以作为一个数据集合存储到合适的数据库中供后续模块调用。

S2、依据所述用户设定温度及相对应的环境温度，生成用户设定温度与相对应环境温度之间的相关关系模型。一般的，用户设定温度与开机时刻的环境温度之间存在着相关关系，可以依据上述采集的历史数据对不同的数学模型进行训练，例如一次线性回归方程等，从而呈现所述相关关系。

在本发明的具体实施例中，如图2所示，具体可以采用如下方法获得用户的使用习惯(即相关关系)。

S21、获取最新的N个开机时刻的用户设定温度及相对应的环境温度作为第一样本数据。其中，N为大于等于1的正整数。亦即形成用户设定温度T_s的数据集合下标s_N表示第n个开机时刻的用户设定温度。相类似，相对应的环境温度T_A的数据集合为下标a_N表示第n个开机时刻的环境温度。

随着用户设备的使用时间的延长，上述第一样本数据将变得非常庞大。显然的，上述相关关系对于时效性的要求较高，例如冬天时的相关关系与夏天时的相关关系具有明显区别，用户在生病或者健康时段的相关关系也会存在明显差异。因此，具体采用移位存储的方法来获得最近的N个开机时刻的数据。亦即不断的覆盖原有的数据来保持良好的时效性。保证所构建的调节习惯模型符合最新的用户习惯(即相关关系)。

S22、使用一元线性回归模型构建用户设定温度与相对应的环境温度之间的相关关系模型。使用所述相关关系模型可以表示用户的空调开机使用习惯。

所述一元线性回归模型(可依据自变量预测因变量的趋势)具体由如下算式表示：

其中，t_a为自变量，表示当前环境温度，为因变量，表示当前设定温度。

S23、基于所述第一样本数据，通过最小二乘法求解所述一元线性回归模型的参数和

所述参数和具体通过算式(1)计算获得：

$\left\{\begin{array}{c}\hat{b}=\frac{\underset{i=1}{\overset{N}{\&Sigma;}}(t_{a_i}-\stackrel{\&OverBar;}{t_a})(t_{s_i}-\stackrel{\&OverBar;}{t_s})}{\underset{i=1}{\overset{N}{\&Sigma;}}{(t_{a_i}-\stackrel{\&OverBar;}{t_a})}^2}\\ \hat{a}=\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{t}_{s_i}-\left(\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{t}_{a_i}\right)\hat{b}\end{array}\right.---\left(1\right)$

其中，表示N个开机时刻的环境温度t_a的平均值；表示N个用户设定温度t_s的平均值。

在模型构建完成后，空调即可利用上述模型实现智能调节。所述智能调节阶段包括：

K1、采集开机时刻的当前环境温度。

K2、基于当前环境温度，依据所述相关关系模型，计算获得相应的当前设定温度。在计算获得所述当前设定温度后，空调即自动设置为该设定温度，无需用户使用遥控器等手动设置。自动设置空调的设定温度的方法为现有常用技术，在此不作赘述。

除实现空调开机时刻的智能化调节外，为进一步简化用户的操作，还可以对空调在运行时刻的温度进行智能化调节。由此，较佳的，如图3所示，所述方法还包括：

R1、采集若干运行时刻的环境温度。与上述第一样本数据的采集类似，也可以采用同一功能模块完成数据采集功能。

R2、基于所述运行时刻的环境温度，采用加权平均法计算理想设定温度。

通过采集运行时刻的环境温度的历史数据，通过加权平均能够获得特定运行时刻的用户使用习惯(亦即在每天的特定时刻的室内环境温度)。由此，所述理想设定温度具体是指当前时刻中，室内温度的历史数据的加权平均值。

R3、依据所述理想设定温度，生成当前运行时刻设定温度。结合理想设定温度及其他具体情况，可以计算获得空调应当使用的设定温度来尽快的使室内温度达到理想设定温度来满足用户的需求。

具体的，如图4所示，所述加权平均法的具体步骤为：

R11、以k次/天的频率采集运行时刻的环境温度，形成每日环境温度数据集。亦即将一天分为k个时刻进行采集(例如k＝4时，每天采集4次，每隔6个小时采集一次)。集合表示所述每日环境温度数据集，下标a_1k表示第1天的第k个时刻的环境温度。

应当说明的是，k越大，则表示采集的密度越大，能够更加细致地反映出环境温度的变化。但不是k值越大越好，由于温度的变化是相对比较缓慢的，所以过密的采集数据没有太大意义，也增加了计算量。合适的k值即能够反映环境温度的变化情况，也能够减少计算量。

根据具体情况，k值可以设置为24*60/5＝288，即5分钟采集一次环境温度为佳。

R12、获取最新的m天的每日环境温度数据集作为第二样本数据.其中，k和m为大于等于1的正整数。亦即形成如下数据集合(第二样本数据)：

$\left\{\begin{array}{c}{T}_{A_1}\{t_{a_{11}},t_{a_{12}},\mathrm{...},t_{a_{1k}}\}\\ T_{A_2}\{t_{a_{21}},t_{a_{22}},\mathrm{...},t_{a_{2k}}\}\\ \mathrm{...}\\ T_{A_m}\{t_{a_{m1}},t_{a_{m2}},\mathrm{...},t_{a_{mk}}\}\end{array}\right.$

与第一样本数据相类似的，第二样本数据也存在着随着用户设备的使用时间的延长，使时效性受到影响的问题。因此，也可以采用移位存储的方法来获得最近m天的每日环境温度数据集。亦即不断的覆盖原有的数据来保持良好的时效性，只使用最新的m天的数据。保证所构建的调节习惯模型符合最新的用户习惯。其中，m可以依据实际情况确定或者调整。

R21、基于所述第二样本数据，通过算式(2)计算所述运行时刻的相关关系模型：

$\left\{\begin{array}{c}{t}_{ao}=\frac{\underset{i=1}{\overset{M}{\&Sigma;}}{t}_{a_{mk}}{x}_i}{M}\\ x_1<x_2<\mathrm{...}<x_m\\ x_1+x_2+\mathrm{...}+x_m=1\end{array}\right.---\left(2\right)$

其中，t_ao为理想设定温度，表示第m天的第k次采集的环境温度。x_i为权重，其具体可以依据实际情况予以设置。

更具体的，所述步骤R3具体为：

基于所述理想设定温度，通过算式(3)计算获得当前运行时刻设定温度；

t_s＝(t_ao-t_a)×δ+t_ao(3)

其中，t_s为当前运行时刻设定温度，t_a为当前环境温度，t_ao为理想设定温度，δ为调整系数。所述调整系数反映空调改变当前环境温度(室内温度)的难易程度，其具体可以依据空调的制冷性能、室内空间大小等实际情况确定。使用上述调整系数能够使空调更迅速的达到理想设定温度，满足用户的使用需求。

综上所述，在本发明的具体实施例中，所述空调的智能化温度调整模式如下：在用户启动空调时，通过开机时刻的相关步骤，计算获得空调的当前设定温度。在空调使用过程中，则开始进入运行时刻的运算过程。在特定的时刻计算获得空调的理想设定温度并据此进一步的确定空调的当前设定温度。所述特定的时刻可以由用户确定，例如在遥控器上设置运行智能调节按键来启动所述运行时刻的温度智能调节。当然，也可以是在采样的时刻自动执行智能调节。

上述方法有效的解决了当前空调没能根据用户舒适温度的需求进行智能化自动调节而导致用户频繁拿起遥控器进行手动调节所带来的不便，有效的提高了空调的智能化程度。

本发明还提供了一种智能温度调节系统。如图5所示，在本发明的具体实施例中，所述智能温度调节系统可以包括：

采集模块100，用于采集若干开机时刻的用户设定温度及环境温度；

调节习惯构建模块200，用于依据所述用户设定温度及相对应的环境温度，生成用户设定温度与相对应环境温度之间的相关关系模型；

以及智能温度调节模块300，用于基于当前环境温度，依据所述相关关系模型，计算获得相应的当前设定温度。具体如上所述。

具体的，所述采集模块100具体用于：获取最新的N个开机时刻的用户设定温度及相对应的环境温度作为第一样本数据，N为大于等于1的正整数。

所述调节习惯构建模块200具体用于：使用一元线性回归模型构建用户设定温度与相对应的环境温度之间的相关关系模型并且基于所述第一样本数据，通过最小二乘法求解所述一元线性回归模型的参数和

所述一元线性回归模型具体由如下算式表示：

其中，t_a表示当前环境温度，表示当前设定温度。具体如上所述。

较佳的是，所述采集模块100还用于，采集若干运行时刻的环境温度；

如图5所示，所述系统还包括最佳温度构建模块400，用于基于所述运行时刻的环境温度，采用加权平均法计算理想设定温度；并且依据所述理想设定温度，生成当前运行时刻设定温度。

具体的，所述采集模块100还可以用于：以k次/天的频率采集运行时刻的环境温度，形成每日环境温度数据集；并且获取最新的m天的每日环境温度数据集作为第二样本数据，其中，k和m为大于等于1的正整数。

所述最佳温度构建模块400具体用于，基于所述第二样本数据，通过如下算式计算所述运行时刻的相关关系模型：

$\left\{\begin{array}{c}{t}_{ao}=\frac{\underset{i=1}{\overset{M}{\&Sigma;}}{t}_{a_{mk}}{x}_i}{M}\\ x_1<x_2<\mathrm{...}<x_m\\ x_1+x_2+\mathrm{...}+x_m=1\end{array}\right.$ 其中，t_ao为理想设定温度，表示第m天的第k次采集的环境温度。

更具体的，所述最佳温度构建模块300还用于：基于所述理想设定温度，通过如下算式计算获得当前运行时刻设定温度；

t_s＝(t_ao-t_a)×δ+t_ao，其中，ts为当前运行时刻设定温度，tao为当前环境温度，ta为理想设定温度，δ为调整系数。具体如上所述。

可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及本发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种智能温度调节方法，其特征在于，所述方法包括：

模型构建阶段：

A、采集若干开机时刻的用户设定温度及相对应的环境温度；

B、依据所述用户设定温度及相对应的环境温度，生成用户设定温度与相对应环境温度之间的相关关系模型；

智能调节阶段：

C、采集开机时刻的当前环境温度；

D、基于当前环境温度，依据所述相关关系模型，计算获得相应的当前设定温度。

2.根据权利要求1所述的智能温度调节方法，其特征在于，所述步骤B具体包括：

B1、获取最新的N个开机时刻的用户设定温度及相对应的环境温度作为第一样本数据，N为大于等于1的正整数；

B2、使用一元线性回归模型构建用户设定温度与相对应的环境温度之间的相关关系模型；

所述一元线性回归模型具体由如下算式表示：

其中，t_a表示当前环境温度，表示当前设定温度；

B3、基于所述第一样本数据，通过最小二乘法求解所述一元线性回归模型的参数和

其中，

$\left\{\begin{array}{c}\hat{b}=\frac{\underset{i=1}{\overset{N}{\&Sigma;}}\left(t_{a_i}-\stackrel{\&OverBar;}{t_a}\right)\left(t_{s_i}-\stackrel{\&OverBar;}{t_s}\right)}{\underset{i=1}{\overset{N}{\&Sigma;}}{\left(t_{a_i}-\stackrel{\&OverBar;}{t_a}\right)}^2}\\ \hat{a}=\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{t}_{s_i}-\left(\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{t}_{a_i}\right)\hat{b}\end{array}\right.$

表示N个开机时刻的环境温度t_a的平均值；表示N个用户设定温度t_s的平均值。

3.根据权利要求1所述的智能温度调节方法，其特征在于，所述方法还包括：

E、采集若干运行时刻的环境温度；

F、基于所述运行时刻的环境温度，采用加权平均法计算理想设定温度；

G、依据所述理想设定温度，生成当前运行时刻设定温度。

4.根据权利要求3所述的智能温度调节方法，其特征在于，所述步骤E具体包括：

E1、以k次/天的频率采集运行时刻的环境温度，形成每日环境温度数据集；

E2、获取最新的m天的每日环境温度数据集作为第二样本数据，其中，k和m为大于等于1的正整数；

所述步骤F具体为：

基于所述第二样本数据，通过如下算式计算所述运行时刻的相关关系模型：

$\left\{\begin{array}{c}{t}_{ao}=\frac{\underset{i=1}{\overset{M}{\&Sigma;}}{t}_{a_{mk}}{x}_i}{M}\\ x_1<x_2<...<x_m\\ x_1+x_2+...+x_m=1\end{array}\right.$

其中，t_ao为理想设定温度，表示第m天的第k次采集的环境温度。

5.根据权利要求4所述的智能温度调节方法，其特征在于，所述步骤G具体为：

基于所述理想设定温度，通过如下算式计算获得当前运行时刻设定温度；

t_s＝(t_ao-t_a)×δ+t_ao

其中，t_s为当前运行时刻设定温度，t_a为当前环境温度，t_ao为理想设定温度，δ为调整系数。

6.一种智能温度调节系统，其特征在于，所述系统包括：

采集模块，用于采集若干开机时刻的用户设定温度及环境温度；

调节习惯构建模块，用于依据所述用户设定温度及相对应的环境温度，生成用户设定温度与相对应环境温度之间的相关关系模型；

以及智能温度调节模块，用于基于当前环境温度，依据所述相关关系模型，计算获得相应的当前设定温度。

7.根据权利要求6所述的智能温度调节系统，其特征在于，所述采集模块具体用于：获取最新的N个开机时刻的用户设定温度及相对应的环境温度作为第一样本数据，N为大于等于1的正整数；

所述调节习惯构建模块具体用于：

使用一元线性回归模型构建用户设定温度与相对应的环境温度之间的相关关系模型；

所述一元线性回归模型具体由如下算式表示：

其中，t_a表示当前环境温度，表示当前设定温度；并且基于所述第一样本数据，通过最小二乘法求解所述一元线性回归模型的参数和

其中，

$\left\{\begin{array}{c}\hat{b}=\frac{\underset{i=1}{\overset{N}{\&Sigma;}}\left(t_{a_i}-\stackrel{\&OverBar;}{t_a}\right)\left(t_{s_i}-\stackrel{\&OverBar;}{t_s}\right)}{\underset{i=1}{\overset{N}{\&Sigma;}}{\left(t_{a_i}-\stackrel{\&OverBar;}{t_a}\right)}^2}\\ \hat{a}=\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{t}_{s_i}-\left(\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{t}_{a_i}\right)\hat{b}\end{array}\right.$

表示N个开机时刻的环境温度t_a的平均值；表示N个用户设定温度t_s的平均值。

8.根据权利要求6所述的智能温度调节系统，其特征在于，所述采集模块还用于，采集若干运行时刻的环境温度；

所述系统还包括最佳温度构建模块，用于基于所述运行时刻的环境温度，采用加权平均法计算理想设定温度；并且

依据所述理想设定温度，生成当前运行时刻设定温度。

9.根据权利要求8所述的智能温度调节系统，其特征在于，所述采集模块具体用于，以k次/天的频率采集运行时刻的环境温度，形成每日环境温度数据集；并且

获取最新的m天的每日环境温度数据集作为第二样本数据，其中，k和m为大于等于1的正整数；

所述最佳温度构建模块具体用于，基于所述第二样本数据，通过如下算式计算所述运行时刻的相关关系模型：

$\left\{\begin{array}{c}{t}_{ao}=\frac{\underset{i=1}{\overset{M}{\&Sigma;}}{t}_{a_{mk}}{x}_i}{M}\\ x_1<x_2<...<x_m\\ x_1+x_2+...+x_m=1\end{array}\right.$

其中，t_ao为理想设定温度，表示第m天的第k次采集的环境温度。

10.根据权利要求9所述的智能温度调节系统，其特征在于，所述最佳温度构建模块具体用于，

基于所述理想设定温度，通过如下算式计算获得当前运行时刻设定温度；

t_s＝(t_ao-t_a)×δ+t_ao

其中，ts为当前运行时刻设定温度，tao为当前环境温度，ta为理想设定温度，δ为调整系数。