CN107976905A - 一种设备控制方法、装置、电子设备及存储介质 - Google Patents
一种设备控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN107976905A CN107976905A CN201711142139.XA CN201711142139A CN107976905A CN 107976905 A CN107976905 A CN 107976905A CN 201711142139 A CN201711142139 A CN 201711142139A CN 107976905 A CN107976905 A CN 107976905A
- Authority
- CN
- China
- Prior art keywords
- time data
- water temperature
- data
- usage time
- heating equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Abstract
本发明实施例提供一种设备控制方法、装置、电子设备及存储介质,其中方法包括如下步骤:获取目标时间数据;基于所述目标时间数据以及预先训练的极限梯度增强Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据;在当前时间数据满足所述第一使用时间数据时,控制所述水温加热设备。采用本发明,可以准确控制水温加热设备的水温加热时长,有效节省资源。
Description
技术领域
本发明涉及电子技术领域,尤其涉及一种设备控制方法、装置、电子设备及存储介质。
背景技术
目前在我国大部分地区,水温加热设备(如储水式电热水器)在家庭中的使用比较广泛。由于水温加热设备通常需要加热较长时间才可以达到设置的温度,因此,用户需要提前打开水温加热设备进行加热,但用户往往可能忘记加热时长而使得实际加热时长远远超过计划加热时长,从而导致资源浪费。
发明内容
本发明实施例提供一种设备控制方法、装置、电子设备及存储介质,可以解决水温加热设备加热时长过长而导致资源浪费的问题。
本发明实施例第一方面提供了一种设备控制方法,包括:
获取目标时间数据;
基于所述目标时间数据以及预先训练的极限梯度增强Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据;
在当前时间数据满足所述第一使用时间数据时,控制所述水温加热设备。
可选的,所述基于所述目标时间数据以及预先训练的Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据之前,还包括:
采集历史时间数据对应的所述水温加热设备的第二使用时间数据;
创建Xgboost模型,将所述第二使用时间数据作为所述Xgboost模型的输入,以得到所述Xgboost模型的预测数据;
基于所述第二使用时间数据与所述预测数据对所述Xgboost模型进行调整,以生成训练后的所述Xgboost模型。
可选的,所述基于所述目标时间数据以及预先训练的极限梯度增强Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据,包括:
基于所述目标时间数据以及所述Xgboost模型,以获取多个弱分类器输出数据;
将所述多个弱分类器输出数据进行叠加,以得到所述目标时间数据对应的所述水温加热设备的第一使用时间数据。
可选的,所述采集历史时间数据对应的所述水温加热设备的第二使用时间数据之后,还包括:
采用预设编码方式对所述第二使用时间数据进行编码,以得到第二使用时间序列。
可选的,所述获取所输入的目标时间数据之后,还包括:
采用预设编码方式对所述目标时间数据进行编码,以得到目标时间序列;
所述基于所述目标时间数据以及预先训练的Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据,包括:
基于所述目标时间序列以及预先训练的Xgboost模型,以获取所述目标时间数据对应的所述水温加热设备的第一使用时间序列。
可选的,所述基于所述目标时间序列以及预先训练的Xgboost模型,以获取所述目标时间数据对应的所述水温加热设备的第一使用时间序列之后,还包括:
依次遍历所述第一使用时间序列中的各个元素,获取遍历到的所述各个元素中相邻两元素值为1的元素之间的距离;
当所述距离小于预设阈值时,将所述相邻两元素值为1的元素之间的所有元素的元素值均设置为1。
本发明实施例第二方面提供了一种设备控制装置,所述装置包括:
目标数据获取模块,用于获取目标时间数据;
第一数据获取模块,用于基于所述目标时间数据以及预先训练的Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据;
设备控制模块,用于在当前时间数据满足所述第一使用时间数据时,控制所述水温加热设备。
可选的,所述装置还包括:
第二数据采集模块,用于采集历史时间数据对应的所述水温加热设备的第二使用时间数据;
预测数据获取模块,用于创建Xgboost模型,将所述第二使用时间数据作为所述Xgboost模型的输入,以得到所述Xgboost模型的预测数据;
模型调整模块,基于所述第二使用时间数据与所述预测数据对所述Xgboost模型进行调整,以生成训练后的所述Xgboost模型。
可选的,所述第一数据获取模块具体用于:
基于所述目标时间数据以及所述Xgboost模型,以获取多个弱分类器输出数据;
将所述多个弱分类器输出数据进行叠加,以得到所述目标时间数据对应的所述水温加热设备的第一使用时间数据。
可选的,所述装置还包括:
第一编码模块,用于采用预设编码方式对所述第二使用时间数据进行编码,以得到第二使用时间时间序列。
可选的,所述装置还包括:
第二编码模块,用于采用预设编码方式对所述目标时间数据进行编码,以得到目标时间序列;
所述第一数据获取模块具体用于:
基于所述目标时间序列以及预先训练的Xgboost模型,以获取所述目标时间数据对应的所述水温加热设备的第一使用时间序列。
可选的,所述装置还包括:
距离获取模块,用于依次遍历所述第一使用时间序列中的各个元素,获取遍历到的所述各个元素中相邻两元素值为1的元素之间的距离;
元素值设置模块,用于当所述距离小于预设阈值时,将所述相邻两元素值为1的元素之间的所有元素的元素值均设置为1。
本发明实施例第三方面提供一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行上述第一方面的方法。
本发明实施例第四方面提供一种电子设备,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面的方法。
本发明实施例第五方面提供一种应用程序,包括程序指令,所述程序指令当被执行时用于执行上述第一方面的方法。
在本发明实施例中,设备控制装置通过获取目标时间数据,基于目标时间数据以及预先训练的Xgboost模型,以获取目标时间数据对应的水温加热设备的第一使用时间数据,在当前时间数据满足第一使用时间数据时,控制水温加热设备。现有技术中由于无法准确控制水温加热设备的加热时长,往往会导致加热时长过长,与现有技术相比,本发明可以基于水温加热设备的历史使用时间数据预测目标时间下的第一使用时间数据,并在当前时间数据满足第一使用时间数据时,自动控制水温加热设备,从而可以准确控制水温加热设备的水温加热时长,有效节省资源。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种设备控制方法的流程示意图;
图2是本发明实施例提供的另一种设备控制方法的流程示意图;
图3是本发明实施例提供的一种弱分类器的训练过程示意图;
图4是本发明实施例提供的一种Xgboost模型的结构示意图;
图5是本发明实施例提供的一种设备控制装置的结构示意图;
图6是本发明实施例提供的另一种设备控制装置的结构示意图;
图7是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。另外,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供的设备控制方法可以应用于水温加热控制应用场景,例如:设备控制装置通过获取目标时间数据,基于目标时间数据以及预先训练的Xgboost模型,以获取目标时间数据对应的水温加热设备的第一使用时间数据,在当前时间数据满足第一使用时间数据时,控制水温加热设备。现有技术中由于无法准确控制水温加热设备的加热时长,往往会导致加热时长过长,与现有技术相比,本发明可以基于水温加热设备的历史使用时间数据预测目标时间下的第一使用时间数据,并在当前时间数据满足第一使用时间数据时,自动控制水温加热设备,从而可以准确控制水温加热设备的水温加热时长,有效节省资源。
本发明实施例涉及的设备控制装置可以是任何具备存储和通信功能的设备,例如:平板电脑、手机、电子阅读器、个人计算机(Personal Computer,PC)、笔记本电脑、车载设备、网络电视、可穿戴设备等设备。
下面将结合附图1-附图4,对本发明实施例提供的设备控制方法进行详细介绍。
请参见图1,为本发明实施例提供了一种设备控制方法的流程示意图。如图1所示,本发明实施例的所述方法可以包括以下步骤S101-步骤S106。
S101,采集历史时间数据对应的水温加热设备的第二使用时间数据。
具体的,所述历史时间数据为当天之前的某天或多天的数据信息,可以包括历史日期、历史日期对应的星期,历史日期是否属于节假日等数据信息。例如,若当天为2017年9月1日,那么历史时间可以为2017年9月1日之前的任一天或几天的时间,若历史时间取为2017年8月1日,那么该历史时间数据可以包括星期一以及不属于节假日等。
所述水温加热设备可以为热水器等设备,所述水温加热设备的第二使用时间数据为水温加热设备在历史日期的某个时间段被使用,也可以理解为用户的洗澡时间信息。例如,用户在2017年9月1日的20:20-20:40洗澡了,那么,水温加热设备的第二使用时间数据即为2017年9月1日的20:20-20:40。
具体实现中,用户通过在设备控制装置中输入第二使用时间数据,设备控制装置对所输入的第二使用时间数据进行保存。
可选的,如图2所示,在步骤S101之后还可执行以下步骤:
S1011,采用预设编码方式对所述第二使用时间数据进行编码,以得到第二使用时间序列。
具体的,一种可行的编码方式为,将一天24小时转换为1440分钟,并以每5分钟为一个时间间隔,然后将所保存的第二使用时间数据编码为288*1的序列n=288,其中y1~yn表示每天的某一个5分钟内的水温加热设备的使用时间数据。将序列中元素与用户洗澡时间相对应的元素的值设置为1,其余设置为0。例如,用户早上8:00洗澡,持续了15分钟,则对应的第二使用时间序列为:
[0、0、0…….0、0、0、1、1、1、0、0……….0、0、0、0],其中,开始时间为H:M(H:时,M:分,24小时制),持续时间为T,则对应的开始元素的位置为S,结束元素的位置为E,则S=(60×H+M+1)/5+1,E=(S+T)/5+1。
S102,创建Xgboost模型,将所述第二使用时间数据作为所述Xgboost模型的输入,以得到所述Xgboost模型的预测数据。
具体的,所述Xgboost(eXtreme Gradient Boosting,极限梯度增强)模型是一种用于分类与回归问题的机器学习模型,其主要思想是通过整合较多的弱分类器(如决策树)从而实现一个强分类器的功能。也就是说,Xgboost模型由多个弱分类器构成,将一个输入数据分别输入至多个弱分类器后得到多个输出结果,并将多个数据结果进行叠加,以得到最终输出数据。
具体实现中,创建Xgboost模型,将所述第二使用时间数据输入至所述Xgboost模型中,通过计算,得到所述Xgboost模型的预测数据。
例如,如图3所示,Xgboost模型由多个弱分类器组成,对于每一个弱分类器的训练,则是将历史时间数据输入至弱分类器并输出预测数据,将预测数据与历史时间数据进行比对,并根据比对结果对弱分类器进行调整,从而实现对弱分类器的训练。
S103,基于所述第二使用时间数据与所述预测数据对所述Xgboost模型进行调整,以生成训练后的所述Xgboost模型。
S104,获取目标时间数据。
具体的,所述目标时间数据可以为任一天或几天的时间所包含的数据信息,所述任一天或几天可以为当天也可以为未来某天。同样的,所述目标时间数据可以包括目标日期、目标日期对应的星期,目标日期是否属于节假日等数据信息。
可选的,如图2所示,在步骤S104之后还可执行以下步骤:
S1041,采用预设编码方式对所述目标时间数据进行编码,以得到目标时间序列。
具体的,基于目标日期是否属于节假日,目标日期所属的星期等因素均可能对预测结果产生影响。因此,分别将这些数据进行编码。
首先,对目标日期是否属于节假日进行编码:
通过收集节假日具体日期后,将所述目标日期与节假日日期进行比较,如果是节假日,则将元素值设置为1,否则为0,因此编码结果为[1]或[0]。
然后,对目标日期所属的星期进行编码:
将星期一到星期日转换为长度为1的序列,且序列中元素的值可以为1-7,分别对应目标日期所属的星期。如2017年8月7日,属于星期一,则对应的序列为[1],相应的,如2017年8月5日属于星期六,则对应的序列为[6]。
最后,对目标日期以分钟为标准进行编码:
所述分钟可以为1分钟,2分钟,或者其他预设时间间隔,具体不限定。考虑到用户水温加热设备的常用时长在3分钟到30分钟(或以上)不等,将每天的时间以5分钟划分为例,因此,可以用一个长度为288(24*60/5)且元素值为0或者1的序列表示。以凌晨00:12为例,则将其转换为序列:
[0、0、1、0、0、0、0、0、0、0、0、0、………0、0],其中,第3个元素为1,其余的元素均为0。因此,该序列中值为1的元素的位置为:
N=(60×H+M+1)/5+1,H为时,M为分。
将上述的时间编码进行整合,则每天每分钟对应的时间编码变为长度为1+1+288=290的序列,其中第1个元素表示节假日特征,第2个元素表示星期特征,其余元素表示每5分钟特征。由此,可将目标时间数据编码为288*290的矩阵X:
其中,r为288,c为290。
S105,基于所述目标时间数据以及预先训练的Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据。
具体的,基于所述目标时间数据并采用所述Xgboost模型获取多个弱分类器输出数据,将所述多个弱分类器输出数据进行叠加,以得到所述目标时间数据对应的所述水温加热设备的第一使用时间数据。
所述Xgboost模型可采用如图4所示的简化结构进行表示,包括有多个已经训练完成的弱分类器,分类器1、分类器2…分类器n,然后将目标时间数据X分别输入至各个弱分类器,并分别输出多个结果Z1、Z2…Zn,将所得输出结果进行叠加后得到最终结果Z,那么第一使用时间数据即为Z。
S106,在当前时间数据满足所述第一使用时间数据时,控制所述水温加热设备。
具体的,所述控制水温加热设备包括启动所述水温加热设备和关闭所述水温加热设备两个过程。所述控制所述水温加热设备的作用基于当前时间数据与第一使用时间数据的匹配条件。可以启动水温加热设备加热水温并确定加热时长,然后停止加热,或者开启水阀、关闭水阀等。
例如,若第一使用时间数据为2017年9月1日的20:00-20:30分(共30分钟),且当前时间数据为2017年9月1日的20:00,此时,当前时间数据到达第一使用时间数据的开始时间点,则控制水温加热设备的水阀启动,并在20:30关闭水阀;又例如,若支持30分钟的使用时长条件下,需水温加热设备加热水温的时长为10分钟,在当前时间数据为2017年9月1日的19:50分时,当前时间数据与第一使用时间数据的开始时间点之间的时间间隔(19:50-20:00)达到支持第一使用时间数据的使用条件下水温加热设备的加热时长(10分钟),则启动水温加热设备加热水温,并在20:30控制水温加热设备关闭。
可选的,如图2所示,若采用上述编码方式对目标时间数据和第二使用时间数据进行编码,则步骤S105对应于以下步骤:
S1051,基于所述目标时间序列以及预先训练的Xgboost模型,以获取所述目标时间数据对应的所述水温加热设备的第一使用时间序列。
也就是说,输入数据X为288*290的序列,各个弱分类器Zn为290*1的序列,那么,各个弱分类器的输出数据为288*1的序列,叠加后得到第一使用时间数据为Z也为288*1的序列。
可选的,如图2所示,在步骤S1041之后,还可执行以下步骤:
S1052,依次遍历所述第一使用时间序列中的各个元素,获取遍历到的所述各个元素中相邻两元素值为1的元素之间的距离。
S1053,当所述距离小于预设阈值时,将所述相邻两元素值为1的元素之间的所有元素的元素值均设置为1。
具体的,所述元素之间的距离也就是两元素之间的间隔,例如,序列中第一个元素与第二元素的距离为2,第1和元素与第3个元素的距离为3。
考虑到输出结果为288*1的序列,且其中的元素值仅为0或者1,例如,第一使用序列为[0、0、0、1、0、0、1、1、0、0、0、0、1、0、0、0、0、1、………0、0],其中,第一个1与第二个1之间的距离为4,若预设阈值为5,那么,此时将序列中此部分的值设置为[0、0、0、1、1、1、1、1、………],并按照此方法对序列中所有元素进行处理,以平滑序列中的元素值,从而可以得到更准确的预测结果。
在本发明实施例中,设备控制装置通过获取目标时间数据,基于目标时间数据以及预先训练的Xgboost模型,以获取目标时间数据对应的水温加热设备的第一使用时间数据,在当前时间数据满足第一使用时间数据时,控制水温加热设备。现有技术中由于无法准确控制水温加热设备的加热时长,往往会导致加热时长过长,与现有技术相比,本发明可以基于水温加热设备的历史使用时间数据预测目标时间下的第一使用时间数据,并在当前时间数据满足第一使用时间数据时,自动控制水温加热设备,从而可以准确控制水温加热设备的水温加热时长,有效节省资源。
请参见图5,为本发明实施例提供了一种设备控制装置的结构示意图。如图5所示,本发明实施例的所述设备控制装置10可以包括:目标数据获取模块101、第一数据获取模块102和设备控制模块103。
目标时间获取模块101,用于获取目标时间数据。
第一数据获取模块102,用于基于所述目标时间数据以及预先训练的Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据。
可选的,所述第一数据获取模块102具体用于:
基于所述目标时间数据以及所述Xgboost模型,以获取多个弱分类器输出数据;
将所述多个弱分类器输出数据进行叠加,以得到所述目标时间数据对应的所述水温加热设备的第一使用时间数据。
设备控制模块103,用于在当前时间数据满足所述第一使用时间数据时,控制所述水温加热设备。
可选的,如图6所示,所述装置10还包括:
第二数据采集模块104,用于采集历史时间数据对应的所述水温加热设备的第二使用时间数据;
预测数据获取模块105,用于创建Xgboost模型,将所述第二使用时间数据作为所述Xgboost模型的输入,以得到所述Xgboost模型的预测数据;
模型调整模块106,基于所述第二使用时间数据与所述预测数据对所述Xgboost模型进行调整,以生成训练后的所述Xgboost模型。
可选的,如图6所示,所述装置10还包括:
第一编码模块107,用于采用预设编码方式对所述第二使用时间数据进行编码,以得到第二使用时间时间序列。
可选的,如图6所示,所述装置10还包括:
第二编码模块108,用于采用预设编码方式对所述目标时间数据进行编码,以得到目标时间序列;
所述第一数据获取模块102具体用于:
基于所述目标时间序列以及预先训练的Xgboost模型,以获取所述目标时间数据对应的所述水温加热设备的第一使用时间序列。
可选的,如图6所示,所述装置10还包括:
距离获取模块109,用于依次遍历所述第一使用时间序列中的各个元素,获取遍历到的所述各个元素中相邻两元素值为1的元素之间的距离;
元素值设置模块110,用于当所述距离小于预设阈值时,将所述相邻两元素值为1的元素之间的所有元素的元素值均设置为1。
在本发明实施例中,设备控制装置通过获取目标时间数据,基于目标时间数据以及预先训练的Xgboost模型,以获取目标时间数据对应的水温加热设备的第一使用时间数据,在当前时间数据满足第一使用时间数据时,启动水温加热设备。现有技术中由于无法准确控制水温加热设备的加热时长,往往会导致加热时长过长,与现有技术相比,本发明可以基于水温加热设备的历史使用时间数据预测目标时间下的第一使用时间数据,并在当前时间数据满足第一使用时间数据时,自动控制水温加热设备,从而可以准确控制水温加热设备的水温加热时长,有效节省资源。
请参见图7,为本发明实施例提供了一种电子设备的结构示意图。如图7所示,所述电子设备1000可以包括:至少一个处理器1001,例如CPU,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display)、键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图7所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图7所示的电子设备1000中,用户接口1003主要用于为用户提供输入的接口;而处理器1001可以用于调用存储器1005中存储的设备控制应用程序,并具体执行以下操作:
获取目标时间数据;
基于所述目标时间数据以及预先训练的极限梯度增强Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据;
在当前时间数据满足所述第一使用时间数据时,控制所述水温加热设备。
在一个实施例中,所述处理器1001在执行基于所述目标时间数据以及预先训练的Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据之前,还执行以下步骤:
采集历史时间数据对应的所述水温加热设备的第二使用时间数据;
创建Xgboost模型,将所述第二使用时间数据作为所述Xgboost模型的输入,以得到所述Xgboost模型的预测数据;
基于所述第二使用时间数据与所述预测数据对所述Xgboost模型进行调整,以生成训练后的所述Xgboost模型。
在一个实施例中,所述处理器1001在执行基于所述目标时间数据以及预先训练的极限梯度增强Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据时,具体执行以下步骤:
基于所述目标时间数据以及所述Xgboost模型,以获取多个弱分类器输出数据;
将所述多个弱分类器输出数据进行叠加,以得到所述目标时间数据对应的所述水温加热设备的第一使用时间数据。
在一个实施例中,所述处理器1001在执行采集历史时间数据对应的所述水温加热设备的第二使用时间数据之后,还执行以下步骤:
采用预设编码方式对所述第二使用时间数据进行编码,以得到第二使用时间序列。
在一个实施例中,所述处理器1001在执行采获取所输入的目标时间数据之后,还执行以下步骤:
采用预设编码方式对所述目标时间数据进行编码,以得到目标时间序列;
所述基于所述目标时间数据以及预先训练的Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据,包括:
基于所述目标时间序列以及预先训练的Xgboost模型,以获取所述目标时间数据对应的所述水温加热设备的第一使用时间序列。
在一个实施例中,所述处理器1001在执行基于所述目标时间序列以及预先训练的Xgboost模型,以获取所述目标时间数据对应的所述水温加热设备的第一使用时间序列之后,还执行以下步骤:
依次遍历所述第一使用时间序列中的各个元素,获取遍历到的所述各个元素中相邻两元素值为1的元素之间的距离;
当所述距离小于预设阈值时,将所述相邻两元素值为1的元素之间的所有元素的元素值均设置为1。
在本发明实施例中,设备控制装置通过获取目标时间数据,基于目标时间数据以及预先训练的Xgboost模型,以获取目标时间数据对应的水温加热设备的第一使用时间数据,在当前时间数据满足第一使用时间数据时,控制水温加热设备。现有技术中由于无法准确控制水温加热设备的加热时长,往往会导致加热时长过长,与现有技术相比,本发明可以基于水温加热设备的历史使用时间数据预测目标时间下的第一使用时间数据,并在当前时间数据满足第一使用时间数据时,自动控制水温加热设备,从而可以准确控制水温加热设备的水温加热时长,有效节省资源。
本发明实施例还提供一种计算机存储介质(非临时性计算机可读存储介质),所述计算机存储介质存储有计算机程序,所述计算机程序包括程序信令,所述程序信令当被计算机执行时使所述计算机执行如前述实施例所述的方法,所述计算机可以为上述提到的设备控制装置或电子设备的一部分。
上述非临时性计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(Read Only Memory;以下简称:ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory;以下简称:EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network;以下简称:LAN)或广域网(Wide Area Network;以下简称:WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本申请实施例还提供一种计算机程序产品,当上述计算机程序产品中的指令由处理器执行时,可以实现本申请图1或图2所示实施例提供的设备控制方法。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read Only Memory;以下简称:ROM)、随机存取存储器(Random Access Memory;以下简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (11)
1.一种设备控制方法,其特征在于,包括:
获取目标时间数据;
基于所述目标时间数据以及预先训练的极限梯度增强Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据;
在当前时间数据满足所述第一使用时间数据时,控制所述水温加热设备。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标时间数据以及预先训练的Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据之前,还包括:
采集历史时间数据对应的所述水温加热设备的第二使用时间数据;
创建Xgboost模型,将所述第二使用时间数据作为所述Xgboost模型的输入,以得到所述Xgboost模型的预测数据;
基于所述第二使用时间数据与所述预测数据对所述Xgboost模型进行调整,以生成训练后的所述Xgboost模型。
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标时间数据以及预先训练的极限梯度增强Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据,包括:
基于所述目标时间数据以及所述Xgboost模型,以获取多个弱分类器的输出数据;
将所述多个弱分类器的输出数据进行叠加,以得到所述目标时间数据对应的所述水温加热设备的第一使用时间数据。
4.根据权利要求2所述的方法,其特征在于,所述采集历史时间数据对应的所述水温加热设备的第二使用时间数据之后,还包括:
采用预设编码方式对所述第二使用时间数据进行编码,以得到第二使用时间序列。
5.根据权利要求1所述的方法,其特征在于,所述获取目标时间数据之后,还包括:
采用预设编码方式对所述目标时间数据进行编码,以得到目标时间序列;
所述基于所述目标时间数据以及预先训练的Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据,包括:
基于所述目标时间序列以及预先训练的Xgboost模型,以获取所述目标时间数据对应的所述水温加热设备的第一使用时间序列。
6.根据权利要求5所述的方法,其特征在于,所述基于所述目标时间序列以及预先训练的Xgboost模型,以获取所述目标时间数据对应的所述水温加热设备的第一使用时间序列之后,还包括:
依次遍历所述第一使用时间序列中的各个元素,获取遍历到的所述各个元素中相邻两元素值为1的元素之间的距离;
当所述距离小于预设阈值时,将所述相邻两元素值为1的元素之间的所有元素的元素值均设置为1。
7.一种设备控制装置,其特征在于,包括:
目标数据获取模块,用于获取目标时间数据;
第一数据获取模块,用于基于所述目标时间数据以及预先训练的Xgboost模型,以获取所述目标时间数据对应的水温加热设备的第一使用时间数据;
设备控制模块,用于在当前时间数据满足所述第一使用时间数据时,控制所述水温加热设备。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第二数据采集模块,用于采集历史时间数据对应的所述水温加热设备的第二使用时间数据;
预测数据获取模块,用于创建Xgboost模型,将所述第二使用时间数据作为所述Xgboost模型的输入,以得到所述Xgboost模型的预测数据;
模型调整模块,基于所述第二使用时间数据与所述预测数据对所述Xgboost模型进行调整,以生成训练后的所述Xgboost模型。
9.根据权利要求8所述的装置,其特征在于,所述第一数据获取模块具体用于:
基于所述目标时间数据以及所述Xgboost模型,以获取多个弱分类器的输出数据;
将所述多个弱分类器的输出数据进行叠加,以得到所述目标时间数据对应的所述水温加热设备的第一使用时间数据。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1至6任一项所述方法。
11.一种电子设备,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711142139.XA CN107976905B (zh) | 2017-11-17 | 2017-11-17 | 一种设备控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711142139.XA CN107976905B (zh) | 2017-11-17 | 2017-11-17 | 一种设备控制方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107976905A true CN107976905A (zh) | 2018-05-01 |
CN107976905B CN107976905B (zh) | 2021-05-25 |
Family
ID=62010198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711142139.XA Active CN107976905B (zh) | 2017-11-17 | 2017-11-17 | 一种设备控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107976905B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113266952A (zh) * | 2021-05-24 | 2021-08-17 | 佛山市顺德区美的洗涤电器制造有限公司 | 用于壁挂炉的温度控制方法、系统及服务器 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101135471A (zh) * | 2007-09-29 | 2008-03-05 | 江苏天舒电器有限公司 | 热泵热水系统动态节能运行的预测与控制方法 |
CN103279664A (zh) * | 2013-05-24 | 2013-09-04 | 河海大学 | 一种智能家居环境中人类活动位置预测方法 |
CN103363670A (zh) * | 2012-03-31 | 2013-10-23 | 珠海格力电器股份有限公司 | 空气能热水器及其控制方法和装置 |
CN105805822A (zh) * | 2016-03-24 | 2016-07-27 | 常州英集动力科技有限公司 | 基于神经网络预测的供热节能控制方法与系统 |
CN106839468A (zh) * | 2017-04-14 | 2017-06-13 | 广州机智云物联网科技有限公司 | 一种太阳能热水器水量调节方法及系统 |
US20170193380A1 (en) * | 2015-12-30 | 2017-07-06 | International Business Machines Corporation | Detecting anomalous sensors |
-
2017
- 2017-11-17 CN CN201711142139.XA patent/CN107976905B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101135471A (zh) * | 2007-09-29 | 2008-03-05 | 江苏天舒电器有限公司 | 热泵热水系统动态节能运行的预测与控制方法 |
CN103363670A (zh) * | 2012-03-31 | 2013-10-23 | 珠海格力电器股份有限公司 | 空气能热水器及其控制方法和装置 |
CN103279664A (zh) * | 2013-05-24 | 2013-09-04 | 河海大学 | 一种智能家居环境中人类活动位置预测方法 |
US20170193380A1 (en) * | 2015-12-30 | 2017-07-06 | International Business Machines Corporation | Detecting anomalous sensors |
CN105805822A (zh) * | 2016-03-24 | 2016-07-27 | 常州英集动力科技有限公司 | 基于神经网络预测的供热节能控制方法与系统 |
CN106839468A (zh) * | 2017-04-14 | 2017-06-13 | 广州机智云物联网科技有限公司 | 一种太阳能热水器水量调节方法及系统 |
Non-Patent Citations (1)
Title |
---|
怀浩等: "《基于梯度提升决策树的肽碎片离子强度建模》", 《山东理工大学学报(自然科学版)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113266952A (zh) * | 2021-05-24 | 2021-08-17 | 佛山市顺德区美的洗涤电器制造有限公司 | 用于壁挂炉的温度控制方法、系统及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN107976905B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711865A (zh) | 一种基于用户行为挖掘的移动通信网流量精细化预测的方法 | |
CN108170655A (zh) | 可视化报表的制作方法、装置、终端设备及存储介质 | |
US7643892B2 (en) | Historian integrated with MES appliance | |
CN109740965A (zh) | 一种工程验证分析方法及装置 | |
CN107682575A (zh) | 业务员呼入进线分配方法、电子装置、计算机可读存储介质 | |
CN106067137A (zh) | 一种基于智能电网监控系统的客户信用等级评价方法 | |
CN109840111A (zh) | 一种图形化的业务处理系统和方法 | |
CN116822997B (zh) | 一种考虑绿色电力的实时碳排放核算方法及装置 | |
CN108734614A (zh) | 交通拥堵预测方法及装置、存储介质 | |
CN108088087A (zh) | 一种设备控制方法、装置、电子设备及存储介质 | |
CN109978491A (zh) | 提醒预测方法、装置、计算机设备及存储介质 | |
CN109726664A (zh) | 一种智能表盘推荐方法、系统、设备及存储介质 | |
CN108549990A (zh) | 保单分配方法、装置、计算机设备和存储介质 | |
CN109685255A (zh) | 一种预测用户流失的方法和装置 | |
CN107993651A (zh) | 一种语音识别方法、装置、电子设备及存储介质 | |
CN110458325A (zh) | 一种交通区域短时客流预测方法及装置 | |
Siface et al. | Solution of the mixed integer large scale unit commitment problem by means of a continuous Stochastic linear programming model | |
CN110458572A (zh) | 用户风险的确定方法和目标风险识别模型的建立方法 | |
Selvam et al. | Genetic algorithm based optimization for resource leveling problem with precedence constrained scheduling | |
CN106777002A (zh) | 一种基于数据挖掘的医学知识库系统 | |
CN108648087A (zh) | 关于基金产品投资管理的风险分析方法、装置及设备 | |
CN107976905A (zh) | 一种设备控制方法、装置、电子设备及存储介质 | |
CN107092413A (zh) | 一种可视控件圆角化处理方法及系统 | |
CN106714202A (zh) | 一种网络容量优化方法及装置 | |
CN108389314A (zh) | 一种售药机及其药品库存管理方法、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 518000 Guangdong science and technology innovation and Research Institute, Shenzhen, Shenzhen, Nanshan District No. 6, science and technology innovation and Research Institute, Shenzhen, D 10, 1004, 10 Patentee after: Shenzhen Hetai intelligent home appliance controller Co.,Ltd. Address before: 518000 Guangdong science and technology innovation and Research Institute, Shenzhen, Shenzhen, Nanshan District No. 6, science and technology innovation and Research Institute, Shenzhen, D 10, 1004, 10 Patentee before: SHENZHEN H&T DATA RESOURCES AND CLOUD TECHNOLOGY Ltd. |
|
CP01 | Change in the name or title of a patent holder |