CN114087789B - 热水器的用水预测方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请涉及一种热水器的用水预测方法、装置、电子设备及存储介质，该热水器的用水预测方法包括：对历史用水数据进行分析，得到至少一个用户画像，用户画像包括用户的属性以及用户的用水习惯；确定目标用户的用户画像；目标用户的用户画像为至少一个用户画像中的一个；根据目标用户的用户画像以及目标用户的实时用水数据，对目标用户的用水进行预测，得到预测结果；根据预测结果提醒用户预约用水。本申请根据目标用户的用户画像属性中的用户属性和用水习惯，以及目标用户的实时用水数据，对目标用户的用水进行预测，得到较为准确的预测结果，提高预测准确度，并根据预测结果提醒用于预约用水，提高热水器使用的便利性。

Description

热水器的用水预测方法、装置、电子设备及存储介质

技术领域

本申请涉及智能家居技术领域，尤其涉及一种热水器的用水预测方法、装置、电子设备及存储介质。

背景技术

热水器作为目前的家用电器中不可或缺的电器之一，为人们的用水提供了极大的便利。随着智能家居的发展，热水器也朝向智能化的方向发展。现有技术中，通常会通过终端设备上安装的应用程序来对智能热水器进行远程控制，但在这一过程中依旧需要人为干预或操作热水器，用户为了节能可能在使用热水器时，关闭该热水器，但在需要使用热水时，可能会因忘记预约而导致不能及时使用到热水。因此，该热水器使用的便利性较差。

发明内容

本申请提供了一种热水器的用水预测方法、装置及存储介质，以解决热水器使用的便利性较差的问题。

第一方面，本申请提供了一种热水器的用水预测方法，该热水器的用水预测方法包括：

对历史用水数据进行分析，得到至少一个用户画像，所述用户画像与用户之间存在对应关系，所述用户画像包括用户的属性以及用户的用水习惯；

确定目标用户的用户画像，所述目标用户为使用所述热水器的用户；所述目标用户的用户画像为所述至少一个用户画像中的一个；

根据所述目标用户的用户画像以及所述目标用户的实时用水数据，对所述目标用户的用水进行预测，得到预测结果，所述预测结果为所述目标用户在当前时刻之后的第一预设时间段内的用水时间以及用水行为中的至少一项；

根据所述预测结果提醒用户预约用水。

可选地，所述历史用水数据包括用户在当前时刻之前的第二预设时间段内的用户的位置、用水行为、用水时间、热水器的开关状态以及预约时间中的至少一项。

可选地，所述历史用水数据包括用水时间以及用水行为；

所述用户画像中的用户的用水习惯包括用水行为的发生时间；

针对每一用户行为，所述对历史用水数据进行分析，得到至少一个用户画像，包括：

根据第三预设时间段内用户行为的总的发生次数以及所述用户行为在第四预设时间段内的发生次数，确定所述用户行为在所述第四预设时间段内的熵；

若所述用户行为在第四预设时间段内的熵小于预设熵，则确定所述用户行为的发生时间为第四预设时间段；

若所述用户行为在第四预设时间段内的熵大于或等于预设熵，则调整所述第四预设时间段，直至所述用户行为在第四预设时间段内的熵大于预设熵；

所述第三预设时间段小于或等于所述第二预设时间段，所述第三预设时间段大于所述第四预设时间段。

可选地，所述历史用水数据包括用水时间以及用水行为；

所述用户画像中的用户的用水习惯包括用水行为的频率特性；所述频率特性包括强规律性以及弱规律性；

针对每一用户行为，所述对历史用水数据进行分析，得到至少一个用户画像，包括：

若用户行为在第五预设时间段内周期性发生，则确定用户画像中所述用水行为的频率特性为强规律性，反之，则确定所述使用户行为的频率特性为弱规律性；

所述第五预设时间段小于或等于所述第二预设时间段。

可选地，所述历史用水数据包括用水行为以及用水时间；所述用水行包括洗浴；

所述用户画像中的用户的属性包括用户的人口数量；

所述对历史用水数据进行分析，得到至少一个用户画像，包括：

若所述第六预设时间段内的洗浴次数超过预设洗浴次数，且相邻用水时间之间的差值小于预设差值，则确定所述用户的人口数量为多个；

若所述第六预设时间段内的洗浴次数未超过预设洗浴次数，和/或相邻用水时间之间的差值均大于或等于预设差值，则确定所述用户的人口数量为1个。

可选地，

所述历史用水数据包括用户的位置、用水行为以及用水时间，所述用水行为包括洗浴；

所述用户画像中的用户的属性包括用户的用水习惯是否随特征时间段的变化发生变化；所述特征时间段包括季节和/或工作日；

所述对历史用水数据进行分析，得到至少一个用户画像，还包括：

确定与所述用户的位置对应的多个特征时间段；

若所述用户在不同特征时间段中的用水习惯不同，则确定所述用户的用水习惯随特征时间段的变化发生变化，反之，则确定所述用户的用水习惯不随特征时间段的变化发生变化。

可选地，所述历史用水数据包括用水时间；

所述用户画像中的用户的属性包括用户的职业；

所述对历史用水数据进行分析，得到至少一个用户画像，包括：

若所述用水时间在第八预设时间段内集中分布，则确定所述用户的职业为上班族，反之，则确定所述用户的职业为自由职业者。

可选地，所述确定目标用户的用户画像，包括：

将与所述目标用户的信息对应的用户画像，确定为所述目标用户的用户画像；所述目标用户的信息包括所述目标用户的标识和/或所述目标用户的属性；

或者，将预设用户画像，确定为所述目标用户的用户画像，所述预设用户画像根据多个用户的历史用水数据确定。

可选地，所述根据所述目标用户的用户画像以及所述目标用户的实时用水数据，对所述目标用户的用水进行预测，得到预测结果，包括：

根据所述目标用户的用户画像中的目标用户的属性，确定所述目标用户的用户画像中与所述当前时刻对应的用水习惯；

根据目标用户的用户画像中与所述当前时刻对应的用水习惯，以及所述目标用户的实时用水数据，对所述目标用户的用水进行预测，得到预测结果。

第二方面，本申请提供了一种热水器的用水预测装置，该热水器的用水预测装置包括：

分析模块，用于对历史用水数据进行分析，得到至少一个用户画像，所述用户画像与用户之间存在对应关系，所述用户画像包括用户的属性以及用户的用水习惯；

确定模块，用于确定目标用户的用户画像，所述目标用户为使用所述热水器的用户；所述目标用户的用户画像为所述至少一个用户画像中的一个；

预测模块，用于根据所述目标用户的用户画像以及所述目标用户的实时用水数据，对所述目标用户的用水进行预测，得到预测结果，所述预测结果为所述目标用户在当前时刻之后的第一预设时间段内的用水时间以及用水行为中的至少一项；

提醒模块，用于根据所述预测结果提醒用户预约用水。

第三方面，本申请提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现第一方面任一项实施例所述的热水器的用水预测方法的步骤。

第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的热水器的用水预测方法的步骤。

本申请实施例提供的上述技术方案与现有技术相比具有如下优点：

本申请实施例提供的该热水器的用水预测方法，根据目标用户的用户画像属性中的用户的属性和用水习惯，以及目标用户的实时用水数据，对目标用户在当前时刻之后的第一时间段内的用水进行预测，得到较为准确的预测结果，提高预测准确度，并根据预测结果提醒用于预约用水，提高热水器使用的便利性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种热水器的用水预测方法的流程示意图；

图2为本申请实施例提供的一种用水习惯的示意图；

图3为本申请实施例提供的一种上班族的用水时间的分布示意图；

图4为本申请实施例提供的一种自由职业者的用水时间的分布示意图；

图5为本申请实施例提供的一种用户的属性的示意图；

图6为本申请实施例提供的一种用户画像的示意图；

图7为本申请实施例提供的一种热水器的用水预测装置的示意图；

图8为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了解决热水器使用的便利性较差的问题，本申请实施例提供了一种热水器的用水预测方法，该方法的执行主体可以为热水器，也可以为其他可与热水器通信的设备，例如云端服务器。如图1所示，该热水器的用水预测方法包括步骤101-步骤104：

101、对历史用水数据进行分析，得到至少一个用户画像

其中，用户画像与用户之间存在对应关系，用户画像包括用户的属性以及用户的用水习惯。用户画像与用户之间可通过用户的信息相对应，该用户的信息可以为用户的标识，例如用户的账号名称、用户的名字等，该用户的信息也可以为用户的属性，例如用户的职业以及用户的人口数量等。其中，用户的用水习惯也可以说是用户的用户画像中的动态画像，用户的属性也可以说是用户的用户画像中的静态画像。

在一种可能的实现方式中，历史用水数据包括用户在当前时刻之前的第二预设时间段内的用户的位置、用水行为、用水时间、热水器的开关状态以及预约时间中的至少一项。需要说明的是，该第二预设时间段可预先确定，也可以根据实际工况确定。该第二预设时间段可为例如1年、1月、1周等。一般情况下，第二预设时间段越长，则根据该历史用水数据所确定的用户画像越准确。

其中，用水行为可以是根据用水温度、用水量等来确定的，也可以是直接获取到的。该用水行为也可以说是出水的用途，例如洗浴和短暂用水，更具体地，该短暂用水可以为洗手、洗菜等等。用水时间包括日期、开始用水时间以及结束用水时间。示例性的，用水时间为2021-06-30的10：00am-11:00am。

示例性的，以历史用水数据包括当前时刻之前的第二预设时间段内的用水行为、用水时间、平均用水温度以及用水时长为例，此时，该历史用水数据如下表1所示。

表1

日期	开始用水时间	结束用水时间	平均用水温度	用水时长	用水行为
						2021-07-30	20:20:00	20:43:15	40℃	23min	洗浴
2021-07-31	22:42:20	23:03:07	40℃	21min	洗浴
						2021-08-01	22:24:35	22:50:18	40℃	26min	洗浴
2021-08-02	06:28:29	06:35:21	38℃	7min	短暂用水

在一种可能的实现方式中，上述用户画像中用户的用水习惯包括用水行为的发生时间，以及用水行为的频率特性中的至少一项。

下面以用户的用水习惯包括上述用水行为的发生时间，以及用水行为的频率特性中的一项为例，对如何确定用户画像中的用户的用水习惯进行介绍：

情况1、用户的用水习惯包括用水行为的发生时间。

此时，历史用水数据包括用水时间以及用水行为，用户画像中的用户的用水习惯包括用水行为的发生时间。

具体地，针对每一用户行为，根据第三预设时间段内该用户行为的总的发生次数以及该用户行为在第四预设时间段内的发生次数，确定该用户行为在第四预设时间段内的熵。随后，根据该熵是否大于预设熵，来确定该用户行为的发生时间。

一般情况下，用户行为在第四预设时间段内的熵较小，则表示该用户行为比较规律地发生在该第四预设时间段内，该用户行为在第四预设时间段内的熵较大，则表示该用户行为在第三时间段内的发生时间比较不规律。因此，若该用户行为在第四预设时间段内的熵小于预设熵，则确定该用户行为的发生时间为第四预设时间段；若该用户行为在第四预设时间段内的熵大于或等于预设熵，则调整该第四预设时间段，直至该用户行为在第四预设时间段内的熵大于预设熵。

需要说明的是，预设熵可预先确定，也可以根据实际工况确定。不同的用户行为所对应的预设熵的取值可能也不相同。另外，第三预设时间段小于或等于第二预设时间段，第三预设时间段大于所述第四预设时间段。相类似的，该第三预设时间段和第四预设时间段可预先确定，也可以根据实际工况确定。一般的，第三预设时间段可以为例如1年、1个月、1周等。第四预设时间段为1天内的任意时间段，例如10：00am-11:00am，或者1:00pm-2:00pm等。

示例性的，以用户行为包括洗浴为例，第三预设时间段为1月份，第四预设时间段为1天内的8：00pm-9:00pm。第三预设时间段内洗浴的总的发生次数为30次，在第三预设时间段内，洗浴发生在第四预设时间段的次数为28次，发生在第四预设时间段外的次数为2次，例如这2次洗浴发生在7:00pm-7:30pm。

示例性的，根据

来确定用户行为在第四预设时间段内的熵。其中，N表示用户行为在第三预设时间段内的总的发生次数。n_t表示用户行为在第四预设时间段内的发生次数，t的取值范围可以为例如1-24，t表示一天内的1-24小时，例如t＝1时表示一天内的0:00am-1:00am，第三预设时间段中用户行为发生在第四预设时间段的次数为n₁，若用户行为在第四预设时间段的熵大于或等于预设熵，则调整t＝2，t＝2表示一天内的0:00am-2:00am，第三预设时间段内用户行为发生在第四预设而时间段的次数为n₂，此时，若第四预设时间段内的熵小于预设熵，则确定该t＝2时的该第四预设时间段为该用户行为的发生时间。需要说明的是，L表示时间的离散程度，L越大表示越离散，即洗浴时间在第四时间段内比较分散，规律性不强，L越小表示离散程度越小，即洗浴时间在第四时间段内比较集中，规律性较强，也就是说，可以确定洗浴的发生时间为第四时间段，此时，洗浴的可预测性较强。

一般情况下，上述t＝2时所表示的第四预设时间段大于t＝1时所表示的第四预设时间段。示例性的，对于用户行为例如洗浴来说，

其中，ξ为预设熵，T为上述第四预设时间段，示例性的，T为8:00am-8:30am。若用户行为在T内的熵L小于预设熵，即L<ξ，则确定该T为发生时间，否则，即L>＝ξ，则调整T为[T-△，T+△]，直至在T内的熵小于预设熵。△的取值可以为例如15min，也可以为例如30min等等。△的取值可以是预先确定的，也可以是根据实际工况确定的。

情况2、用户的用水习惯包括用水行为的频率特性。

此时，历史用水数据包括用水时间以及用水行为，用户画像中的用户的用水习惯包括用水行为的频率特性，该频率特性包括例如强规律性以及弱规律性。

具体地，针对每一用户行为，若用户行为在第五预设时间段内周期性发生，则确定用户画像中用水行为的频率特性为强规律性，反之，则确定使用户行为的频率特性为弱规律性。需要说明的是，第五预设时间段可预先确定，也可以根据实际工况确定。其中，该第五预设时间段小于或等于上述第二预设时间段。

示例性的，以用户行为包括洗浴为例，第五预设时间段为一个月。若在这一个月内，洗浴周期性发生，则确定洗浴的频率特性为强规律性，例如，洗浴频率为每天一次。若在这一个月内，仅有部分时间段的洗浴频率为每天一次，其他时间段的洗浴频率为每天两次，则确定洗浴的频率特性为弱规律性。

或者，在另一种可能的实现方式中，对于每一用户行为，根据该用户行为每天发生的次数，对该用户行为进行频率分析，将该用户行为的发生频率按照时间进行排序。在第五预设时间段内，该用户行为的同一发生频率的出现次数超过预设次数，则确定该用户行为的频率特性为强规律性，且该用户行为的发生频率为上述同一发生频率；若不存在出现次数超过预设次数的发生频率，则确定该用户行为的频率特性为弱规律性。

示例性的，以用户行为包括洗浴为例，预设次数为27，第五预设时间段为一个月(例如1号-30号)。若在这一个月内的1号-28号，洗浴周期性发生，例如1号-28号的洗浴的发生频率均为每天一次，该发生频率的出现次数超过预设次数，则确定洗浴的频率特性为强规律性，且洗浴的发生频率为每天一次。若在这一个月的例如1号-14号和20号-30号，洗浴的发生频率为每天一次，即发生频率为每天一次的出现次数为25次，其他时间段即15号-19号的洗浴的发生频率为每天两次，即发生频率为每天两次的出现次数为5次，则确定洗浴的频率特性为弱规律性。此时，可以确定洗浴的发生频率为例如每天一次。

在一种可能的实现方式中，用户的用水习惯还包括热水器开关习惯、用水行为的频率特性、用水行为的发生时间、用水量以及用水时长等。

示例性地，以用水行为包括洗浴为例，如图2所示，用户的用水习惯包括使用特性(即上述热水器开关习惯)、洗浴频率、洗浴频率特性、洗浴时间以及用水时长等。当然，用户的用水习惯也可以还包括用水量。

示例性的，洗浴频率(即洗浴的发生频率)可以为1天多次、1天1次、2天1次、3天1次、4天1次、5天1次、6天1次和7天1次中的一种，此时，洗浴频率对应的标签可以分别为0—8。

用户的用水习惯包括使用特性时，此时，历史用水数据包括热水器的开关状态、预约时间以及用水时间等，用户画像中的用户的用水习惯包括使用特性，该使用特性包括常开、常关、即开即用、或者不规律等。

具体地，若在第九预设时间段内热水器一直处于开启状态，则确定用户画像中的用户的使用特性为常开；若在第九预设时间段内热水器一直处于关闭状态，则确定用户画像中的用户的使用特性为常关；若在第九预设时间段内，预约时间与该预约时间之后的相邻用水时间的差值小于预设时间差值，则确定用户画像中的用户的使用特性为即开即关；若用户的使用特性不属于上述常开、常关以及即开即关中的任一项，则确定用户画像中用户的使用特性为不规律。也就是说，在第九预设时间段内热水器未一直处于开启状态，也未一直处于关闭状态，且预约时间与该预约时间之后的相邻用水时间的差值大于或等于预设时间差值，则确定用户画像中的用户的使用特性为(开关)不规律。

需要说明的是，第三预设时间段小于或等于第二预设时间段。该第三预设时间段为预先确定的，也可以是根据实际工况确定的。相类似的，预设时间差值预先确定的，也可以是根据实际工况确定的。示例性的，第九预设时间段可以为1年、1月、1周等，预设时间差值可以为例如15min、30min等。该第九预设时间段小于或等于上述第二预设时间段。

用户的用水习惯包括用水量时，此时，历史用水数据包括用水行为以及用水量，用户画像中的用户的用水习惯包括用水量。

具体地，针对每一用户行为，确定该用户行为在第十预设时间段内的平均用水量，并将该第十预设时间段内该用水行为的用水量的最大值确定为储备用水量，以确保储存用水足够供给用户使用。该第十预设时间段为预先确定的，也可以是根据实际工况确定的。示例性的，第十预设时间段为例如1年、1月以及1周等。该第十预设时间段小于或等于上述第二预设时间段。

用户的用水习惯包括用水温度时，此时，历史用水数据包括用水行为以及用水温度，用户画像中的用户的用水习惯包括用水温度。

具体地，针对每一用户行为，确定该用户行为在第十一预设时间段内的平均用水温度。该第十一预设时间段为预先确定的，也可以是根据实际工况确定的。示例性的，第十一预设时间段为例如1年、1月以及1周等。该第十一预设时间段小于或等于上述第二预设时间段。

用户的用水习惯包括用水时长时，此时，历史用水数据包括用水行为以及用水时长，用户画像中的用户的用水习惯包括用水时长。

具体地，针对每一用户行为，确定该用户行为在第十二预设时间段内的平均用水时长。该第十二预设时间段为预先确定的，也可以是根据实际工况确定的。示例性的，第十二预设时间段为例如1年、1月以及1周等。该第十二预设时间段小于或等于第二预设时间段。

用户的用水习惯包括用水时长时，此时，历史用水数据包括用水行为、水流量以及用水时长，用户画像中的用户的用水习惯包括用水时长。以用水行为包括洗浴为例，水流量可以为洗浴过程中花洒常开时的最大水流量。

具体地，针对每一用户行为，确定该用户行为的平均用水时长。还可根据水流量以及用水时间确定该用水行为的最大用水量，并根据该最大用水量对上述储备用水量进行修正，例如将该最大用水量确定为储备用水量，以保证储备用水足够供给用户使用。

在一种可能的实现方式中，用户的属性包括用户的人口数量、用户的用水习惯是否随特征时间段的变化发生变化，以及用户的职业中的至少一项。

下面以用户的属性包括上述用户的人口数量、用户的用水习惯是否随特征时间段的变化发生变化以及用户的职业中的一项为例，对如何确定用户画像中的用户的用水行为进行介绍：

情况1、用户的属性包括用户的人口数量。

此时，历史用水数据包括用水行为以及用水时间，该用水行为包括洗浴，用户画像中的用户的属性包括用户的人口数量。

具体地，若所述第六预设时间段内的洗浴次数超过预设洗浴次数，且相邻用水时间之间的差值小于预设差值，则确定用户的人口数量为多个；若第六预设时间段内的洗浴次数未超过预设洗浴次数，和/或相邻用水时间之间的差值均大于或等于预设差值，则确定用户的人口数量为1个。需要说明的是，第六预设时间段为预先确定的，也可以是根据实际工况确定的。示例性的，第六预设时间段为例如1天。

示例性的，预设洗浴次数为1次，预设差值为4小时。若1天内的洗浴次数为1次，则确定用户的人口数量为1个；若1天内的洗浴次数为2次，且相邻两次洗浴时间的差值为5小时，则确定用户的人口数量为1个；若1天内的洗浴次数为2次，且相邻两次洗浴时间的差值为3小时，则确定用户的人口数量为多个。

示例性的，若近期一段时间内(该近期一段时间的时间长度大于1天小于或等于第二预设时间段)每天洗浴总次数均小于或等于预设洗浴次数，该预设洗浴次数为例如1次，则认为人口数量为1个；否则至少一个相邻两次洗浴时间的差值小于预设差值时，则认定为人口数量为多个。

示例性的，人口数量可以为1个或多个，此时，人口数量对应的标签可以为1或者2。其中，标签为1表示人口数量为1个，标签为2表示人口数量为多个。

或者，示例性的，将所识别到的洗浴事件按照每4小时进行一次统计，统计每4小时内的洗浴次数，并统计每天总共洗浴次数。若近期一段时间内每天洗浴总次数均小于1，则认为人口为1；否则查看4小时内的洗浴总次数，相邻两个4小时内多次出现大于1的情况时，则认定为人口为多人。关于近期一段时间的介绍可以参见上述内容，在此不进行赘述。

情况2、用户的属性包括用户的用水习惯是否随特征时间段的变化发生变化。

此时，历史用水数据包括用户的位置、用水行为以及用水时间，用水行为包括洗浴。用户画像中的用户的属性包括用户的用水习惯是否随特征时间段的变化发生变化，其中，特征时间段包括季节和/或工作日。当然，特征时间段也可以为休息日例如周末和节假日等。

具体地，确定与用户的位置对应的多个特征时间段。若用户在不同特征时间段中的用水习惯不同，则确定用户的用水习惯随特征时间段的变化发生变化，反之，则确定用户的用水习惯不随特征时间段的变化发生变化。

一般情况下，以特征时间段为季节为例，该用户的用水习惯是否随特征时间段的变化发生变化这一属性，也可以称为季节属性。季节属性所对应的标记可以为1和0。其中，1表示季节属性为户的用水习惯随特征时间段的变化发生变化，0表示户的用水习惯不随特征时间段的变化发生变化。

下面以特征时间段为季节对应的时间段为例，对确定用户的用水习惯是否随季节的变化发生变化的过程进行介绍。

①根据用户行为的频率，确定用户的用水习惯是否随季节的变化发生变化。

其中，用户行为包括洗浴，以洗浴为例，对根据用户行为的频率，确定用户的用水习惯是否随季节的变化发生变化的过程进行说明：

示例性的，对第一季节和第二季节分别取N天的数据，根据第一季节的平均洗浴频率以及第二季节的平均洗浴频率，来确定用户的用水习惯是否随季节的变化发生变化。1、0和-1用于表示季节属性，即用户的用水习惯是否随季节的变化发生变化的标签，其中，1表示用户的用水习惯随季节的变化发生变化，且第一季节的平均洗浴频率远大于第二季节的平均洗浴频率；0表示表示用户的用水习惯不随季节的变化发生变化，也就是说第一季节的平均洗浴频率约等于第二季节的平均洗浴频率；1表示用户的用水习惯随季节的变化发生变化，且第一季节的平均洗浴频率远小于第二季节的平均洗浴频率。

例如，第一季节为夏季，第二季节为冬季。

其中，N_冬表示冬季的N天中的洗浴总次数，N_夏表示夏季的N天中的洗浴总次数。n_夏1表示夏季的N天中第1天的洗浴次数、n_夏2表示夏季的N天中第2天的洗浴次数，n_夏n表示夏季的N天中第N天的洗浴次数。N_冬1表示冬季的N天中第1天的洗浴次数、n_冬2表示冬季的N天中第2天的洗浴次数，n_冬2表示冬季的N天中第N天的洗浴次数。需要说明的是，N天为冬天的总天数或者夏天的总天数，也可以为夏季的总天数中的N天或冬季的总天数中的N天。

或者，②根据用户行为的发生时间，确定用户的用水习惯是否随季节的变化发生变化。

其中，用户行为包括洗浴，以洗浴为例，对根据用户行为的发生时间，确定用户的用水习惯是否随季节的变化发生变化的过程进行说明：

示例性的，针对每一季节，分析洗浴的发生时间的变化，分别统计用户洗浴的发生时间，并合并整个季节(或者说同一季节中的N天)的洗浴的发生时间，按照设定阈值进行合并，比如30天内有10天洗浴的发生时间为19:00～20:00之间，10天洗浴的发生时间为20:00～21:00之间，则合并两个时间段为19:00～21:00，若仅有1天洗浴的发生时间在21:00～22:00，则该时间段忽略不计，依次类推，然后比较不同季节的平均洗浴时间。1、0和-1用于表示季节属性，即用户的用水习惯是否随季节的变化发生变化的标签。其中，对于第一季节和第二季节，1表示用户的用水习惯随季节的变化发生变化，且第一季节的洗浴的发生时间远大于第二季节的洗浴的发生时间；0表示表示用户的用水习惯不随季节的变化发生变化，也就是说第一季节的洗浴的发生时间约等于第二季节的洗浴的发生时间；1表示用户的用水习惯随季节的变化发生变化，且第一季节的洗浴的发生时间远小于第二季节的洗浴的发生时间。

例如，第一季节为夏季，第二季节为冬季。

根据夏季洗浴的发生时间的中间时刻以及冬季洗浴的发生时间的中间时刻，确定用户的用水习惯是否随季节的变化发生变化。其中，T_mid夏表示夏季洗浴的发生时间的中间时刻，T_mid冬表示冬季洗浴的发生时间的中间时刻。

或者，③根据用户行为的时长，确定用户的用水习惯是否随季节的变化发生变化。

其中，用户行为包括洗浴，以洗浴为例，对根据用户行为的时长，确定用户的用水习惯是否随季节的变化发生变化的过程进行说明：

示例性的，根据第一季节的总的洗浴时长以及第一季节的天数，确定该第一季节的平均洗浴时长，根据第二季节的总的洗浴时长以及第二季节的天数，确定该第二季节的平均洗浴时长。根据第一季节的平均洗浴时长以及第二季节的平均洗浴时长，可以确定用户的用水习惯是否随季节的变化发生变化。

示例性的，第一季节为夏季，第二季节为冬季，

其中，1、0和-1用于表示季节属性，即用户的用水习惯是否随季节的变化发生变化的标签，其中，1表示用户的用水习惯随季节的变化发生变化，且夏季的平均洗浴时长远大于冬季的平均洗浴时长；0表示表示用户的用水习惯不随季节的变化发生变化，也就是说夏季的平均洗浴时长约等于冬季的平均洗浴时长；1表示用户的用水习惯随季节的变化发生变化，且夏季的平均洗浴时长远小于冬季的平均洗浴时长。需要说明的是，夏季的天数可以为上述的N天，相类似的，冬季的天数也可以是上述的N天。

在另一种可能的实现方式中，季节属性用标签1和0表示，其中，1表示用户的用水习惯随季节的变化发生变化，0表示用户的用水习惯不随季节的变化发生变化。

相类似的，特征时间段可以为工作日，可根据工作日的用水习惯与非工作日的用水习惯是否相同，来确定用户的工作日属性。工作日属性是指用户在工作日和非工作日的用水习惯的差异，即用户的用水习惯是否随工作日或非工作日的变化而发生变化。一般来说，周一到周五为工作日，周六和周日为非工作日。关于确定工作日属性的介绍可以参见上述确定季节属性的介绍，在此不进行赘述。

其中，根据用户的位置的不同，用户所处的地域可能不同，且不同地域所对应的同一季节的特征月份或者不同地域对应的工作日可能会不相同。示例性的，华南夏季的特征月份与东北夏季的特征月份并不相同。因此，在上述过程中，确定与用户的位置对应的多个特征时间段，可以保证所确定的特征时间段中的用水习惯更加准确，提高根据用水习惯对用户用水进行预测的准确性，提高用户体验。

也就是说，用户的属性包括用户的地域。此时，历史用水数据包括用户的位置。示例性的，用户的位置可以为经纬度。该用户的位置可以通过用户使用的热水器获取。其中，用户的地域可以包括例如东北、华东、华北、华中、华南、西南以及西北中的一个，这7区域可分别用标记1-7表示，即标记1-7可用于表示用户的地域(类别)。

情况3、用户的属性包括用户的职业。

此时，历史用水数据包括用水时间，用户画像中的用户的属性包括用户的职业。

具体地，若用水时间在第八预设时间段内集中分布，则确定用户的职业为上班族，反之，则确定用户的职业为自由职业者。需要说明的是，第八预设时间段为预先确定的，也可以是根据实际工况确定的。示例性的，第八预设时间段可以为1天。

示例性的，将用户的所有用水事件在不同时间段内的出现次数进行统计和合并，此后，若用户的用水时间较为集中地分布在第八预设时间段内，则确定用户的属性为上班族(或者其他居家时间较为规律的职业)，若用户的用水时间在第八预设时间段内分散分布，则确定用户的职业为自由职业者(或者是宅居族等居家时间不规律的职业)。如图3所示，用户在第八预设时间段内的分布较为集中，则确定用户的职业为上班族。如图4所示，用户在第八时间段内的分布较为分散，则确定用户的职业为自由职业者。

需要说明的是，根据上班族的工作性质，用水时间一般为一天内的早上、晚上或者中午。也就是说，根据不同上班族的工作性质的不同，根据用水时间在第八时间段内集中分布的时间段，可进一步划分用户的职业。得到更准确的用户的属性。

示例性的，如图5所示，用户画像中用户的属性包括地域、人口数量、季节属性、职业以及工作日属性等。

示例性的，用户画像可如图6所示，用户的属性包括所处位置为南方、人口数量为1、职业为上班族、季节属性为季节敏感以及工作日属性为工作日敏感。其中，季节敏感表示用水习惯随季节的变化发生变化，工作日敏感表示用水习惯随是否为工作日和非工作日的变化发生变化。用户的用水习惯包括热水器的使用特征即使用特性为常开，洗浴频率为夏季1天1次，冬季2天1次。洗浴时间(即洗浴的发生时间)为夏季的工作日晚上20:00-22:00、夏季的非工作日晚上23:00-24:00和冬季的晚上19:00-20:00，用水量为20L，用水温度为40℃以及用水时长为21min等。

需要说明的是，热水器原始数据即从热水器获取到的原始数据，该原始数据包括热水器的水箱温度数据、开关阀数据以及水流量数据等。对该热水器原始数据进行处理，例如识别用户的用水行为，该用水行为包括洗浴以及短暂用水等，进而得到上述历史用水数据，该历史用水数据可如上表1所示。该历史用水数据主要用于生成用户的用户画像，从而对用户的用水进行预测。其中，获取到水温和开关随时间的变化后，根据连续开关数据、水温变化幅度以及用水时长等，来确定用水行为为洗浴或短暂用水等。

另外，用户画像即利用数据挖掘技术，从多个维度对数据进行分析，将用户进行归类，并为用户添加对应的标签，关于标签所对应的用水习惯和用户的属性等内容可以参见图2和图5的介绍。

通过上述过程，根据历史用水数据识别用户用水，并利用该历史用水数据挖掘用户的属性和用户的用水习惯，从而构建得到用户画像，以便于根据用户画像对用户进行用水预测，进而根据预测结果对用户用水进行提醒，指导用户在核实的时间使用热水器，提升热水器使用的便利性，保证用户使用体验，并达到节能效果。

102、确定目标用户的用户画像。

其中，目标用户即使用热水器的用户。目标用户的用户画像为所述至少一个用户画像中的一个。

可选的，将与目标用户的信息对应的用户画像，确定为目标用户的用户画像。其中，目标用户的信息包括所述目标用户的标识和/或所述目标用户的属性。或者，将预设用户画像，确定为所述目标用户的用户画像，该预设用户画像根据多个用户的历史用水数据确定。在根据这多个用户的历史用水数据确定预设用户画像时，不区分用户身份。该预设用户画像用于表示普遍的用水规律和用水特征。

在一种可能的实现方式中，若存在与目标用户的标识对应的用户画像，则确定该目标用户的标识对应的用户画像为目标用户的用户画像；若不存在与目标用户的标识对应的用户画像，根据目标用户的属性，确定目标用户的用户画像，即存在与目标用户的属性相匹配的用户画像，则将该与目标用户的属性相匹配的用户画像确定为目标用户的用户画像；若不存在与目标用户的标识对应的用户画像，且不存在与目标用户的属性相匹配的用户画像，则将预设用户画像确定为目标用户的用户画像。

示例性的，目标用户的标识为a。若用户画像包括用户画像A、用户画像B以及用户画像C，且用户画像A与用户的标识a对应，用户画像B与用户的标识b对应，用户画像C与用户的标识c对应，则可以确定目标用户的标识a对应的用户画像B为目标用户的用户画像；若用户画像包括用户画像D和用户画像E，且用户画像D与用户的标识d对应，用户画像E与用户的标识e对应，则可以确定不存在与目标用户的标识a对应的用户画像，此时，可根据目标用户的属性，确定目标用户的用户画像。

具体地，若不存在与目标用户的标识对应的用户画像，则将该目标用户的属性，与至少一个用户画像中的用户的属性进行匹配，确定与目标用户的属性相匹配的用户画像，并将与目标用户的属性相匹配的用户画像，确定为目标用户的用户画像。其中，用户画像中的用户的属性是根据与该用户画像对应的用户的历史用水数据确定的。与目标用户的属性相匹配的用户画像为上述至少一个用户画像中与目标用户属性最相近的用户画像。

示例性的，目标用户的标识为a，目标用户的属性包括用户所在地域为北京、职业为上班族、人口数量为多个。至少一个用户画像中不存在与目标用户的标识a对应的用户画像，则根据目标用户的属性，对至少一个用户画像进行匹配。这至少一个用户画像中包括用户画像B和用户画像C，用户画像B中的用户的属性包括地域为河北，职业为上班族，人口数量为1，用户画像C中的用户的属性包括地域为北京，职业为上班族，人口数量为多个。相对比用户画像B的中的用户的属性来说，用户画像C中的用户的属性与目标用户的属性更相近，也就是匹配度更高。因此，将用户画像C确定为目标用户的用户画像。或者，若至少一个用户画像中包含用户画像D，且用户画像D中的用户的属性包括地域为北京，职业为上班族，人口数量为多个，则确定该用户画像D为目标用户的用户画像。

需要说明的是，用户画像中的用户的属性也可以是直接根据用户的输入获取到的。另，通常情况下，用户使用热水器的次数较少，或者说初次使用热水器的情况下，可能不存在该用户所对应的用户画像。通过上述过程，可在不存在该用户的用户画像的情况下，可利用已有的用户画像，来对该用户的用水行为进行预测，从而提高热水器使用的便利性。

103、根据目标用户的用户画像以及目标用户的实时用水数据，对目标用户的用水进行预测，得到预测结果。

其中，关于目标用户的介绍可以参见上述内容，在此不进行赘述。预测结果包括目标用户在当前时刻之后的第一预设时间段内的用水时间以及用水行为中的至少一项。也就是说，预测结果为目标用户在当前时刻之后的第一预设时间段内的用水时间，或者预测结果为目标用户在当前时刻之后的第一预设时间段内的用水行为，或者预测结果为目标用户在当前时刻之后的第一预设时间段内的用水时间和用水行为。需要说明的是，第一预设时间段可以根据所需要进行预测的时间段，也就是实际工况来确定，也可以是预先确定的时间段。

在一种可能的实现方式中，预测结果包括目标用户在当前时刻之后的第一预设时间段内的用水时间、用水行为、用水量以及用水温度中的至少一项。

示例性的，目标用户为a，当前时刻为5:59pm，第一预设时间段为6：00pm-12：00pm，预测结果包括a在当前时刻之后的第一预设时间段内的用水时间为6：30pm-7：30pm，用水量为12L，用水温度为39℃-42℃。

可选地，根据目标用户的用户画像中的目标用户的属性，确定目标用户的用户画像中与当前时刻对应的用水习惯，并根据目标用户的用户画像中与当前时刻对应的用水习惯，以及目标用户的实时用水数据，对目标用户的用水进行预测，得到预测结果。

根据目标用户的属性中目标用户的地域、目标用户的用水习惯是否随季节发生变化、目标用户的用水习惯是否随工作日发生变化、目标用户的用水是否为强规律性等，结合当前时刻所对应的季节，当前时刻是否对应工作日，确定当前时刻所对应的用水习惯，并根据该用水习惯和目标用户的实时用水数据，对目标用户的用水进行预测，得到预测结果。

示例性的，某一用户对应的用户画像(用水规律)中，该用户两天洗澡一次，用户实际用水数据表明该用户当天没有洗澡，则可以预测明天用户会洗澡。

示例性的，某一用户对应的用户画像中，该用户每天早上7点洗澡，用户实际用水数据表明用户当天早上6点已经洗澡，则不会预测用户当天早上7点洗澡，或者预测结果为当天用户不会洗澡。

示例性的，若目标用户的洗浴行为的频率特性为强规律性，则按照前n天的用水情况(即实时用水数据)，直接预测次日是否用水即可。若目标用户的洗浴行为的频率特性为弱规律性，目标用户的洗浴频率为n天1次，则查看近n天的用水数据(即实时用水数据)，若n天的用水频率高于n天1次，则次日不用水，若n天用水频率低于n天1次，则次日用水。在确定次日是否用水后，再去进一步根据洗浴行为的发生时间去进行次日的时间段预测。

在一种可能的实现方式中，根据目标用户的属性即当前时刻所处的当前季节和是否为工作日，确定与当前时刻对应的用水习惯，并结合该用水习惯，目标用户的实时用水数据，对当前时间之后的第一预设时间段内的目标用户的用水进行预测，得到预测结果。

也就是说，通过结合用户的实时用水数据以及该用户对应的用户画像，可以在考虑实际情况的情况下对用户后续的用水行为进行预测，从而得到较为准确的预测结果，提高对用户的用水行为进行预测的准确度，从而保证根据该预测结果对热水器进行使用时的便利性。

需要说明的是，获取到用户对应的用户画像后，将用户画像存储到相应的数据库中，以便于后续根据该用户画像对相应用户的用水行为进行预测。也就是说，在执行本申请实施例之前，需先根据采集到的用户的历史用水数据，完成对该用户对应的用户画像的构建，并根据随后不断产生的用水数据，对数据库中的用户画像进行更新。其中，上述数据库一般存储在云端服务器中，也可以根据需要存储在其他设备中，一般的，热水器中可存储有数据库中的至少一个用户画像。

104、根据预测结果提醒用户预约用水。

在得到预测结果后，向相应的用户终端发送通知信息，以提醒用户通过用户终端来控制热水器在合适的时间进行工作，对其存储的水进行加热等操作。当然，在条件允许的情况下,也可以直接向热水器发送控制指令，控制热水器开始工作或者结束工作。因此，在通过上述过程得到对目标用户的用水行为进行预测的预测结果后，可以根据该预测结果较好的提高热水器使用的便利性。

在一种可能的实现方式中，若用户确定根据通知信息进行预约，则控制热水器在洗浴前一段时间(即当前时刻之后的第一预设时间段内)将热水备好；若用户确定不进行预约，则不控制热水器执行该操作。另外，用户可以根据通知信息对用水时间、用水量、用水温度等进行修改，以根据修改后的信息，则控制热水器执行对应的操作。

具体地，根据预测结果，确定目标用户在当前时刻的第一时间段内可能用水的时间，可能的用水行为等通过上述通知信息发送给目标用户。

其中，该通知信息可通过应用程序发送给目标用户，例如通过用于目标用户控制热水器的用户终端上安装的应用程序，将通知信息发送给目标用户。

通过该通知信息，可及时提醒和建议用户使用热水器准备热水，指导用户及时开启和关闭热水器，从而达到节能的效果。

在另一种可能的实现方式中，根据历史用水数据以及用户属性信息，周期性地对数据库中所存储的用户画像进行更新，以保证用户所对应的用户画像的实时性，从而进一步保证根据用户画像与实时用水数据对用户的用水行为进行预测所得到的预测结果的准确性，提升热水器的智能化水平，提高热水器使用的便利性。

通过上述过程，在获取到目标用户的用户画像后，可根据目标用户的用户画像以及目标用户的实时用水数据，对用户的用水行为进行预测，得到较为准确的预测结果，实现对目标用户的用水行为的准确预测，以便于根据预测结果提高热水器使用的便利性。

另外，在提高热水器使用的便利性的同时，热水器可在用户不需要用水时保持关闭或者是低温保温状态，从而提高热水器的节能效果。

如图7所示，本申请实施例提供了一种热水器的用水预测装置，该装置包括分析模块701、确定模块702、预测模块703以及提醒模块704。

其中，分析模块701，用于对历史用水数据进行分析，得到至少一个用户画像，所述用户画像与用户之间存在对应关系，所述用户画像包括用户的属性以及用户的用水习惯。

确定模块702，用于确定目标用户的用户画像，所述目标用户为使用所述热水器的用户；所述目标用户的用户画像为所述至少一个用户画像中的一个。

预测模块703，用于根据所述目标用户的用户画像以及所述目标用户的实时用水数据，对所述目标用户的用水进行预测，得到预测结果，所述预测结果为所述目标用户在当前时刻之后的第一预设时间段内的用水时间以及用水行为中的至少一项。

提醒模块704，用于根据所述预测结果提醒用户预约用水。

如图8所示，本申请实施例提供了一种电子设备，包括处理器801、通信接口802、存储器803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线304完成相互间的通信，

存储器803，用于存放计算机程序；

在本申请一个实施例中，处理器801，用于执行存储器803上所存放的程序时，实现前述任意一个方法实施例提供的热水器的用水预测方法的步骤。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述任意一个方法实施例提供的热水器的用水预测方法的步骤。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (11)

1.一种热水器的用水预测方法，其特征在于，所述方法包括：

对历史用水数据进行分析，得到至少一个用户画像，所述用户画像与用户之间存在对应关系，所述用户画像包括用户的属性以及用户的用水习惯；

确定目标用户的用户画像，所述目标用户为使用所述热水器的用户；所述目标用户的用户画像为所述至少一个用户画像中的一个；

根据所述目标用户的用户画像以及所述目标用户的实时用水数据，对所述目标用户的用水进行预测，得到预测结果，所述预测结果为所述目标用户在当前时刻之后的第一预设时间段内的用水时间以及用水行为中的至少一项；

根据所述预测结果提醒用户预约用水；

所述历史用水数据包括用水时间以及用水行为；所述用户画像中的用户的用水习惯包括用水行为的发生时间；此时，针对每一用水行为，所述对历史用水数据进行分析，得到至少一个用户画像，包括：根据第三预设时间段内用水行为的总的发生次数与所述用水行为在第四预设时间段内的发生次数的比值，确定所述用水行为在所述第四预设时间段内的熵；所述第四预设时间段为所述第三预设时间段内的任一固定时间段；若所述用水行为在第四预设时间段内的熵小于预设熵，则确定所述用水行为的发生时间为第四预设时间段；若所述用水行为在第四预设时间段内的熵大于或等于预设熵，则调整所述第四预设时间段，直至所述用水行为在第四预设时间段内的熵小于预设熵；

其中，根据

来确定所述用水行为在第四预设时间段内的熵；N表示用水行为在第三预设时间端内的总的发生次数，n表示用水行为在第四预设时间端内的发生次数，t表示第四预设时间段。

2.根据权利要求1所述的热水器的用水预测方法，其特征在于，所述历史用水数据包括用户在当前时刻之前的第二预设时间段内的用户的位置、用水行为、用水时间、热水器的开关状态以及预约时间中的至少一项，所述第三预设时间段小于或等于所述第二预设时间段。

3.根据权利要求2所述的热水器的用水预测方法，其特征在于，

所述历史用水数据包括用水时间以及用水行为；

所述用户画像中的用户的用水习惯包括用水行为的频率特性；所述频率特性包括强规律性以及弱规律性；

针对每一用水行为，所述对历史用水数据进行分析，得到至少一个用户画像，包括：

若用水行为在第五预设时间段内周期性发生，则确定用户画像中所述用水行为的频率特性为强规律性，反之，则确定所述使用水行为的频率特性为弱规律性；

所述第五预设时间段小于或等于所述第二预设时间段。

4.根据权利要求2-3中任一项所述的热水器的用水预测方法，其特征在于，

所述历史用水数据包括用水行为以及用水时间；所述用水行包括洗浴；

所述用户画像中的用户的属性包括用户的人口数量；

所述对历史用水数据进行分析，得到至少一个用户画像，包括：

若第六预设时间段内的洗浴次数超过预设洗浴次数，且相邻用水时间之间的差值小于预设差值，则确定所述用户的人口数量为多个；

若所述第六预设时间段内的洗浴次数未超过预设洗浴次数，和/或相邻用水时间之间的差值均大于或等于预设差值，则确定所述用户的人口数量为1个。

5.根据权利要求2-3中任一项所述的热水器的用水预测方法，其特征在于，

所述历史用水数据包括用户的位置、用水行为以及用水时间，所述用水行为包括洗浴；

所述用户画像中的用户的属性包括用户的用水习惯是否随特征时间段的变化发生变化；所述特征时间段包括季节和/或工作日；

所述对历史用水数据进行分析，得到至少一个用户画像，还包括：

确定与所述用户的位置对应的多个特征时间段；

若所述用户在不同特征时间段中的用水习惯不同，则确定所述用户的用水习惯随特征时间段的变化发生变化，反之，则确定所述用户的用水习惯不随特征时间段的变化发生变化。

6.根据权利要求2-3中任一项所述的热水器的用水预测方法，其特征在于，

所述历史用水数据包括用水时间；

所述用户画像中的用户的属性包括用户的职业；

所述对历史用水数据进行分析，得到至少一个用户画像，包括：

若所述用水时间在第八预设时间段内集中分布，则确定所述用户的职业为上班族，反之，则确定所述用户的职业为自由职业者。

7.根据权利要求1所述的热水器的用水预测方法，其特征在于，所述确定目标用户的用户画像，包括：

将与所述目标用户的信息对应的用户画像，确定为所述目标用户的用户画像；所述目标用户的信息包括所述目标用户的标识和/或所述目标用户的属性；

或者，将预设用户画像，确定为所述目标用户的用户画像，所述预设用户画像根据多个用户的历史用水数据确定。

8.根据权利要求1所述的热水器的用水预测方法，其特征在于，所述根据所述目标用户的用户画像以及所述目标用户的实时用水数据，对所述目标用户的用水进行预测，得到预测结果，包括：

根据所述目标用户的用户画像中的目标用户的属性，确定所述目标用户的用户画像中与所述当前时刻对应的用水习惯；

根据目标用户的用户画像中与所述当前时刻对应的用水习惯，以及所述目标用户的实时用水数据，对所述目标用户的用水进行预测，得到预测结果。

9.一种热水器的用水预测装置，其特征在于，所述装置包括：

分析模块，用于对历史用水数据进行分析，得到至少一个用户画像，所述用户画像与用户之间存在对应关系，所述用户画像包括用户的属性以及用户的用水习惯；

确定模块，用于确定目标用户的用户画像，所述目标用户为使用所述热水器的用户；所述目标用户的用户画像为所述至少一个用户画像中的一个；

预测模块，用于根据所述目标用户的用户画像以及所述目标用户的实时用水数据，对所述目标用户的用水进行预测，得到预测结果，所述预测结果为所述目标用户在当前时刻之后的第一预设时间段内的用水时间以及用水行为中的至少一项；

提醒模块，用于根据所述预测结果提醒用户预约用水；

所述历史用水数据包括用水时间以及用水行为；所述用户画像中的用户的用水习惯包括用水行为的发生时间；此时，针对每一用水行为，所述对历史用水数据进行分析，得到至少一个用户画像，包括：根据第三预设时间段内用水行为的总的发生次数与所述用水行为在第四预设时间段内的发生次数的比值，确定所述用水行为在所述第四预设时间段内的熵；所述第四预设时间段为所述第三预设时间段内的任一固定时间段；若所述用水行为在第四预设时间段内的熵小于预设熵，则确定所述用水行为的发生时间为第四预设时间段；若所述用水行为在第四预设时间段内的熵大于或等于预设熵，则调整所述第四预设时间段，直至所述用水行为在第四预设时间段内的熵小于预设熵；

其中，根据

来确定所述用水行为在第四预设时间段内的熵；N表示用水行为在第三预设时间端内的总的发生次数，n表示用水行为在第四预设时间端内的发生次数，t表示第四预设时间段。

10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1-8中任一项所述的热水器的用水预测方法的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的热水器的用水预测方法的步骤。

Images