CN114677830A - 用水消息的提醒方法、存储介质及电子装置 - Google Patents
用水消息的提醒方法、存储介质及电子装置 Download PDFInfo
- Publication number
- CN114677830A CN114677830A CN202210181907.7A CN202210181907A CN114677830A CN 114677830 A CN114677830 A CN 114677830A CN 202210181907 A CN202210181907 A CN 202210181907A CN 114677830 A CN114677830 A CN 114677830A
- Authority
- CN
- China
- Prior art keywords
- water
- water consumption
- time period
- confidence interval
- predicted
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 488
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000002354 daily effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 238000004887 air purification Methods 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种用水消息的提醒方法、存储介质及电子装置，涉及智慧家庭技术领域，该用水消息的提醒方法包括：根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，其中，所述第一时间段为当前时刻之前的时间段，所述第二时间段为所述当前时刻之后的时间段；根据所述第一对象的预测用水量确定出所述预测用水量的置信区间；在确定监测到的第一对象在所述第二时间段内的累加用水量大于所述预测用水量的置信区间的上限值的情况下，向所述第一对象发送用水消息，以提示所述第一对象所述累加用水量已超过所述置信区间的上限值，采用上述技术方案，解决了如何提高向用户发送的用水消息的准确性的问题。
Description
技术领域
本申请涉及通信领域，具体而言，涉及一种用水消息的提醒方法、存储介质及电子装置。
背景技术
日常生活中，虽然用户家庭的每天的用水量都是动态变化的，但是目前的智能家居技术已经实现了用水量的智能提醒化方案，具体的，相关技术中，是通过统计用户的历史用水量的最大值或最小值作为用水量提醒的阈值，或者使用用户的历史用水量的均值来设定阈值，这种方法下得到的用水量提醒阈值是固定的，置信度较低，不能准确评估用户的用水量的变化情况，导致向用户发送的用水量信息准确性不高，进而造成用户体验感不高。
因此，针对相关技术中，如何提高向用户发送的用水消息的准确性的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种用水消息的提醒方法、存储介质及电子装置，以至少解决相关技术中，如何提高向用户发送的用水消息的准确性的问题。
根据本申请实施例的一个实施例，提供了一种用水消息的提醒方法，包括：根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，其中，所述第一时间段为当前时刻之前的时间段，所述第二时间段为所述当前时刻之后的时间段；根据所述第一对象的预测用水量确定出所述预测用水量的置信区间；在确定监测到的第一对象在所述第二时间段内的累加用水量大于所述预测用水量的置信区间的上限值的情况下，向所述第一对象发送用水消息，以提示所述第一对象所述累加用水量已超过所述置信区间的上限值。
在一个示例性实施例中，根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量包括：将所述第一时间段划分为第一时段和第二时段，其中，所述第一时段的用水量小于第一阈值，所述第二时段的用水量大于第二阈值，所述第一阈值小于所述第二阈值；根据所述第一时段的历史用水量确定所述第一时段内每一天的第一用水模型，以及根据所述第二时段的历史用水量确定所述第二时段内每一天的第二用水模型；根据所述第一用水模型和/或所述第二用水模型预测所述第一对象在所述第二时间段的预测用水量。
在一个示例性实施例中，根据所述第一对象的预测用水量确定出所述预测用水量的置信区间包括：按照从小到大的顺序对所述历史用水量中的n个用水量进行排序，得到排序后的用水量列表，其中，所述n为大于3的整数，所述排序后的用水量列表中的每个用水量对应有索引值；根据第一索引公式计算出第一索引值Index1，以及根据第二索引公式计算出第二索引值Index2，其中，所述第一索引公式为：Index1＝(n+1)/4，所述第二索引公式为Index2＝3×(n+1)/4；根据所述第一索引值Index1对应的用水量，所述第二索引值Index2对应的用水量和所述第一对象的预测用水量确定所述预测用水量的置信区间。
在一个示例性实施例中，根据所述第一索引值Index1对应的用水量，所述第二索引值Index2对应的用水量和所述第一对象的预测用水量确定所述预测用水量的置信区间包括：获取所述第一索引值对应的用水量和所述第一对象的预测用水量的和值，并将所述和值确定为所述预测用水量的置信区间的上限值；在确定所述预测用水量大于第二索引值对应的用水量的情况下，将所述第一索引值对应的用水量确定为所述预测用水量的置信区间的下限值；在确定所述预测用水量小于所述第二索引值对应的用水量的情况下，将所述预测用水量确定为所述预测用水量的置信区间的下限值。
在一个示例性实施例中，根据所述第一对象的预测用水量确定出所述预测用水量的置信区间之后，所述方法还包括：基于用户偏好模型确定所述历史用水量中的用水偏好值，其中，所述用户偏好模型是基于所述第一对象的用水习惯确定的，所述用水偏好值表示所述第一对象在所述第一时间段内的使用频次大于第三阈值的用水量；使用所述第一对象的偏好用水量更新所述预测用水量的置信区间。
在一个示例性实施例中，基于用户偏好模型确定所述历史用水量中的用水偏好值包括：根据所述第一对象在所述第一时间段内的每一天的用水习惯确定每一天的用户子偏好模型；基于所述用户子偏好模型确定所述第一对象在每一天的用水偏好值，其中，在确定所述第一时间段内的同一天具有多个所述用户偏好值的情况下，确定多个所述用户偏好值的平均值为所述用水偏好值。
在一个示例性实施例中，使用所述第一对象的偏好用水量更新所述预测用水量的置信区间包括：确定与所述置信区间内的上限值和所述置信区间内的下限值对应的第一权重，以及确定所述用水偏好值的第二权重；获取所述置信区间内的下限值与所述第一权重的第一乘积，所述置信区间内的上限值与所述第一权重的第二乘积，所述用水偏好值与所述第二权重的第三乘积；将所述第一乘积与所述第三乘积的和值更新为所述置信区间内的下限值，以及将所述第二乘积与所述第三乘积的和值更新为所述置信区间内的上限值。
根据本申请实施例的另一个实施例，还提供了一种用水消息的提醒装置，包括：第一确定模块，用于根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，其中，所述第一时间段为当前时刻之前的时间段，所述第二时间段为所述当前时刻之后的时间段；第二确定模块，用于根据所述第一对象的预测用水量确定出所述预测用水量的置信区间；发送模块，用于在确定监测到的第一对象在所述第二时间段内的累加用水量大于所述预测用水量的置信区间的上限值的情况下，向所述第一对象发送用水消息，以提示所述第一对象所述累加用水量已超过所述置信区间的上限值。
根据本申请实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述用水消息的提醒方法。
根据本申请实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的用水消息的提醒方法。
在本申请实施例中，根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，其中，所述第一时间段为当前时刻之前的时间段，所述第二时间段为所述当前时刻之后的时间段；根据所述第一对象的预测用水量确定出所述预测用水量的置信区间；在确定监测到的第一对象在所述第二时间段内的累加用水量大于所述预测用水量的置信区间的上限值的情况下，向所述第一对象发送用水消息，以提示所述第一对象所述累加用水量已超过所述置信区间的上限值；采用上述技术方案，解决了如何提高向用户发送的用水消息的准确性的问题，进而提高了向用户发送的用水消息的准确性。
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，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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是本申请实施例的一种用水消息的提醒方法的硬件环境示意图；
图2是根据本申请实施例的用水消息的提醒方法的流程图；
图3是根据本申请实施例的用水消息的提醒方法的流程示意图；
图4是根据本申请实施例的获取索引值的示意图；
图5是根据本申请实施例的一种用水消息的提醒装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面，提供了一种智能家居设备的交互方法。该智能家居设备的交互方法广泛应用于智慧家庭(Smart Home)、智能家居、智能家用设备生态、智慧住宅(Intelligence House)生态等全屋智能数字化控制应用场景。可选地，在本实施例中，上述智能家居设备的交互方法可以应用于如图1所示的由终端设备102和服务器104所构成的硬件环境中。如图1所示，服务器104通过网络与终端设备102进行连接，可用于为终端或终端上安装的客户端提供服务(如应用服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器104提供数据存储服务，可在服务器上或独立于服务器配置云计算和/或边缘计算服务，用于为服务器104提供数据运算服务。
上述网络可以包括但不限于以下至少之一：有线网络，无线网络。上述有线网络可以包括但不限于以下至少之一：广域网，城域网，局域网，上述无线网络可以包括但不限于以下至少之一：WIFI(Wireless Fidelity，无线保真)，蓝牙。终端设备102可以并不限定于为PC、手机、平板电脑、智能空调、智能烟机、智能冰箱、智能烤箱、智能炉灶、智能洗衣机、智能热水器、智能洗涤设备、智能洗碗机、智能投影设备、智能电视、智能晾衣架、智能窗帘、智能影音、智能插座、智能音响、智能音箱、智能新风设备、智能厨卫设备、智能卫浴设备、智能扫地机器人、智能擦窗机器人、智能拖地机器人、智能空气净化设备、智能蒸箱、智能微波炉、智能厨宝、智能净化器、智能饮水机、智能门锁等。
在本实施例中提供了一种用水消息的提醒方法，应用于上述计算机终端，图2是根据本申请实施例的用水消息的提醒方法的流程图，该流程包括如下步骤：
步骤S202，根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，其中，所述第一时间段为当前时刻之前的时间段，所述第二时间段为所述当前时刻之后的时间段；
需要说明的是，上述第一对象可以理解为任意的用水对象，可以是人，也可以是机器人。
步骤S204，根据所述第一对象的预测用水量确定出所述预测用水量的置信区间；
步骤S206，在确定监测到的第一对象在所述第二时间段内的累加用水量大于所述预测用水量的置信区间的上限值的情况下，向所述第一对象发送用水消息，以提示所述第一对象所述累加用水量已超过所述置信区间的上限值。
通过上述步骤，根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，其中，所述第一时间段为当前时刻之前的时间段，所述第二时间段为所述当前时刻之后的时间段；根据所述第一对象的预测用水量确定出所述预测用水量的置信区间；在确定监测到的第一对象在所述第二时间段内的累加用水量大于所述预测用水量的置信区间的上限值的情况下，向所述第一对象发送用水消息，以提示所述第一对象所述累加用水量已超过所述置信区间的上限值，解决了相关技术中，如何提高向用户发送的用水消息的准确性的问题，进而提高了向用户发送的用水消息的准确性。
在一个示例性实施例中，为了更好的理解上述步骤S202中如何根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，提出了一种技术方案，具体步骤包括：将所述第一时间段划分为第一时段和第二时段，其中，所述第一时段的用水量小于第一阈值，所述第二时段的用水量大于第二阈值，所述第一阈值小于所述第二阈值；根据所述第一时段的历史用水量确定所述第一时段内每一天的第一用水模型，以及根据所述第二时段的历史用水量确定所述第二时段内每一天的第二用水模型；根据所述第一用水模型和/或所述第二用水模型预测所述第一对象在所述第二时间段的预测用水量。
需要说明的是，上述第一用水模型表示第一对象在第一时段内的时间和用水量的对应关系，上述第二用水模型表示第一对象在第二时段内的时间和用水量的对应关系。
其中，第一时段例如可以为工作日，第二时段例如可以为休息日。第一阈值例如可以为50L，第二阈值例如可以为100L，但不限于此。
在一个实施例中，如果第一对象在第一时段的历史用水量为30L，且第一用水模型显示第一对象在第一时段内的晚上的用水量呈现较快的增速，那么根据第一用水模型可以预测上述第一对象在工作日的晚上的用水量较大，且得到的预测用水量为30L。
在一个实施例中，如果第一对象在第二时段的历史用水量为120L，且第一用水模型显示第一对象在第一时段内的白天的用水量呈现较快的增速，那么根据第二用水模型可以预测上述第一对象在休息日的白天的用水量较大，且得到的预测用水量为120L。
在一个示例性实施例中，为了更好的理解上述步骤S204中如何根据所述第一对象的预测用水量确定出所述预测用水量的置信区间，可以按照从小到大的顺序对所述历史用水量中的n个用水量进行排序，得到排序后的用水量列表，其中，所述n为大于3的整数，所述排序后的用水量列表中的每个用水量对应有索引值；根据第一索引公式计算出第一索引值Index1，以及根据第二索引公式计算出第二索引值Index2，其中，所述第一索引公式为：Index1＝(n+1)/4，所述第二索引公式为Index2＝3×(n+1)/4；根据所述第一索引值Index1对应的用水量，所述第二索引值Index2对应的用水量和所述第一对象的预测用水量确定所述预测用水量的置信区间。
需要说明的是，上述n个用水量可以包括用户在一天内不同时刻的用水量，也可以包括用户在一个月内每天的用水量，本申请对n个用水量的获取方式不做限制。
需要说明的是，索引值的取值范围包括[0，∞]。
其中，以向上取整的方式确定出第一索引值和第二索引值。例如，在n为4的情况下，第一索引值Index1＝(n+1)/4＝5/4，此时，向上取整得到Index1为1，而第二索引值Index2为3。
例如，在一个实施例中，假设n为5，第一索引值Index1＝(5+1)/4＝6/4，此时，向上取整得到Index1为1，而第二索引值Index2为4。
在一个示例性实施例中，在确定历史用水量中的用水量包括11，34，120，55，17的情况下，确定n为5。按照从小到大的顺序排序11，34，120，55，17，得到排序后的用水量列表为11，17，34，55，120，则确定出第一索引值Index1对应的用水量为17L，第二索引值对应的用水量为120L。
在其他实施例中，对所述历史用水量中的n个用水量进行排序的顺序还可以包括从大到小，本申请对此不做限制。
在按照从大到小的顺序对所述历史用水量中的n个用水量进行排序的情况下，根据第二索引公式计算出第一索引值Index1，以及根据第一索引公式计算出第二索引值Index2，即，得到Index2＝(n+1)/4，Index1＝3×(n+1)/4，相应的，根据所述第一索引值Index1对应的用水量，所述第二索引值Index2对应的用水量和所述第一对象的预测用水量确定所述预测用水量的置信区间的过程包括：获取第二索引值对应的用水量和所述第一对象的预测用水量的和值，并将所述和值确定为所述预测用水量的置信区间的上限值；在确定所述预测用水量大于第一索引值对应的用水量的情况下，将所述第二索引值对应的用水量确定为所述预测用水量的置信区间的下限值；在确定所述预测用水量小于所述第一索引值对应的用水量的情况下，将所述预测用水量确定为所述预测用水量的置信区间的下限值。
在一个示例性实施例中，提出了一种根据所述第一索引值Index1对应的用水量，所述第二索引值Index2对应的用水量和所述第一对象的预测用水量确定所述预测用水量的置信区间的技术方案，具体步骤包括：获取所述第一索引值对应的用水量和所述第一对象的预测用水量的和值，并将所述和值确定为所述预测用水量的置信区间的上限值；在确定所述预测用水量大于第二索引值对应的用水量的情况下，将所述第一索引值对应的用水量确定为所述预测用水量的置信区间的下限值；在确定所述预测用水量小于所述第二索引值对应的用水量的情况下，将所述预测用水量确定为所述预测用水量的置信区间的下限值。
在一个示例性实施例中，在根据所述第一对象的预测用水量确定出所述预测用水量的置信区间之后，还提出了一种技术方案，具体包括：基于用户偏好模型确定所述历史用水量中的用水偏好值，其中，所述用户偏好模型是基于所述第一对象的用水习惯确定的，所述用水偏好值表示所述第一对象在所述第一时间段内的使用频次大于第三阈值的用水量；使用所述第一对象的偏好用水量更新所述预测用水量的置信区间。
在一个示例性实施例中，提出了一种基于用户偏好模型确定所述历史用水量中的用水偏好值的技术方案，具体为：根据所述第一对象在所述第一时间段内的每一天的用水习惯确定每一天的用户子偏好模型；基于所述用户子偏好模型确定所述第一对象在每一天的用水偏好值，其中，在确定所述第一时间段内的同一天具有多个所述用户偏好值的情况下，确定多个所述用户偏好值的平均值为所述用水偏好值。
在一个示例性实施例中，提出了一种如何使用所述第一对象的偏好用水量更新所述预测用水量的置信区间的技术方案，具体的，可以确定与所述置信区间内的上限值和所述置信区间内的下限值对应的第一权重，以及确定所述用水偏好值的第二权重；获取所述置信区间内的下限值与所述第一权重的第一乘积，所述置信区间内的上限值与所述第一权重的第二乘积，所述用水偏好值与所述第二权重的第三乘积；将所述第一乘积与所述第三乘积的和值更新为所述置信区间内的下限值，以及将所述第二乘积与所述第三乘积的和值更新为所述置信区间内的上限值。
例如，在一个实施例中，设置上述第一权重为0.6，上述第二权重为0.4，如果确定预测用水量的置信区间为[10，50]，用水偏好值为25，那么更新后的置信区间为[10×0.6+25×0.4，50×0.6+25×0.4]。
为了更好的理解上述用水消息的提醒方法的过程，以下再结合可选实施例对上述用水消息的提醒的实现方法流程进行说明，但不用于限定本申请实施例的技术方案。
在本实施例中提供了一种用水消息的提醒方法，图3是根据本申请实施例的用水消息的提醒方法的流程示意图，如图3所示，具体如下：
步骤S301：实时获取用户的用水量；
步骤S302：监测用户的用水量，以确定用户的累加用水量，执行步骤S307；
步骤S303：获取用户的历史用水量；
步骤S304：根据历史用水量训练用水模型：利用用户每天的历史用水量，通过时序预测的方式得到用户每天的用水模型，其中，时序预测的方式例如线性回归预测，神经网络模型预测等。
步骤S305：基于用水模型确定预测用水量；
步骤S306：确定提醒报警线(相当于上述置信区间的上限值)。
步骤S307：基于步骤S306中的提醒报警线与步骤S302用户的累加用水量确定预测用水量的置信区间。
步骤S308：根据置信区间提醒用水异常：确定累加用水量是否超过置信区间的上限值，如果累加用水量超过置信区间的上限值数值，则向用户发送当前的累加用水量，提醒用户当前的累加用水量已经超过置信区间的上限值，发生用水异常的情况。
在一个实施例中，可以结合图4对步骤S306中确定用户异常报警线的过程进行说明。具体如下：
步骤S401，将得到的用水量从小到大排序，为排序后的用水量设置索引值，其中索引值最小为0；
步骤S402，确定第一索引公式和第二索引公式；
步骤S403，基于第一索引公式计算第一索引值，以及基于第二索引公式计算第二索引值。
步骤S404，确定第一索引值对应的用水量和第二索引值对应的用水量。
步骤S405，将第一索引值对应的用水量与预测用水量的和值确定为预测用水量的置信区间的上限值，并将预测用水量与第二索引值对应的用水量中更小的用水量确定为预测用水量的置信区间的下限值。
在一个实施例中，可以使用用户历史用水量训练用户偏好模型，以得到用户的用水偏好值，其中，用户的用水偏好值可以包括用户在不同时间内的用水量，不同时间例如工作日，周末，节假日，其中，节假日包含常见的西方节日，如圣诞节，情人节等。
在一个实施例中，可以使用用水偏好值更新预测用水量的置信区间，具体的，获取置信区间内的下限值与第一权重的第一乘积，置信区间内的上限值与第一权重的第二乘积，用水偏好值与第二权重的第三乘积；并将所述第一乘积与所述第三乘积的和值更新为所述置信区间内的下限值，以及将所述第二乘积与所述第三乘积的和值更新为所述置信区间内的上限值，实现用水偏好值与置信区间的融合，从而得到一个更可信的用户用水置信区间。例如，置信区间的上限值*0.6(即第一权重)+用水偏好值*0.4(即第二权重)＝更新后的置信区间的上限值，信区间的下限值*0.6+用水偏好值*0.4＝更新后的置信区间的下限值。
通过上述步骤，根据用户历史的用水使用情况和时间序列预测的方式得到用户的预测用水量，结合预测用水量和索引值对应的用水量确定置信区间，能够得到接近用户的使用习惯的用水量，提高了向用户发送的用水消息的准确性，提高了用户的体验度。
通过上述实施例，通过对用户的历史用水量进行分析，并对用户未来的用水量进行预测，基于预测用水量确定用水量的置信区间，提高了预测用水量的准确性，并基于索引公式实现动态确定置信区间的方案，以此来提高给用户发送的用水量的准确性，向用户提供个性化的提醒方案。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。
图5是根据本申请实施例的一种用水消息的提醒装置的结构框图.如图5所示，包括：
第一确定模块52，用于根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，其中，所述第一时间段为当前时刻之前的时间段，所述第二时间段为所述当前时刻之后的时间段；
需要说明的是，上述第一对象可以理解为任意的用水对象，可以是人，也可以是机器人。
第二确定模块54，用于根据所述第一对象的预测用水量确定出所述预测用水量的置信区间；
发送模块56，用于在确定监测到的第一对象在所述第二时间段内的累加用水量大于所述预测用水量的置信区间的上限值的情况下，向所述第一对象发送用水消息，以提示所述第一对象所述累加用水量已超过所述置信区间的上限值。
通过上述装置，根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，其中，所述第一时间段为当前时刻之前的时间段，所述第二时间段为所述当前时刻之后的时间段；根据所述第一对象的预测用水量确定出所述预测用水量的置信区间；在确定监测到的第一对象在所述第二时间段内的累加用水量大于所述预测用水量的置信区间的上限值的情况下，向所述第一对象发送用水消息，以提示所述第一对象所述累加用水量已超过所述置信区间的上限值，解决了相关技术中，如何提高向用户发送的用水消息的准确性的问题，进而提高了向用户发送的用水消息的准确性。
在一个示例性实施例中，上述第一确定模块还用于，将所述第一时间段划分为第一时段和第二时段，其中，所述第一时段的用水量小于第一阈值，所述第二时段的用水量大于第二阈值，所述第一阈值小于所述第二阈值；根据所述第一时段的历史用水量确定所述第一时段内每一天的第一用水模型，以及根据所述第二时段的历史用水量确定所述第二时段内每一天的第二用水模型；根据所述第一用水模型和/或所述第二用水模型预测所述第一对象在所述第二时间段的预测用水量。
需要说明的是，上述第一用水模型表示第一对象在第一时段内的时间和用水量的对应关系，上述第二用水模型表示第一对象在第二时段内的时间和用水量的对应关系。
其中，第一时段例如可以为工作日，第二时段例如可以为休息日。第一阈值例如可以为50L，第二阈值例如可以为100L，但不限于此。
在一个实施例中，如果第一对象在第一时段的历史用水量为30L，且第一用水模型显示第一对象在第一时段内的晚上的用水量呈现较快的增速，那么根据第一用水模型可以预测上述第一对象在工作日的晚上的用水量较大，且得到的预测用水量为30L。
在一个实施例中，如果第一对象在第二时段的历史用水量为120L，且第一用水模型显示第一对象在第一时段内的白天的用水量呈现较快的增速，那么根据第二用水模型可以预测上述第一对象在休息日的白天的用水量较大，且得到的预测用水量为120L。
在一个示例性实施例中，上述第二确定模块还用于，按照从小到大的顺序对所述历史用水量中的n个用水量进行排序，得到排序后的用水量列表，其中，所述n为大于3的整数，所述排序后的用水量列表中的每个用水量对应有索引值；根据第一索引公式计算出第一索引值Index1，以及根据第二索引公式计算出第二索引值Index2，其中，所述第一索引公式为：Index1＝(n+1)/4，所述第二索引公式为Index2＝3×(n+1)/4；根据所述第一索引值Index1对应的用水量，所述第二索引值Index2对应的用水量和所述第一对象的预测用水量确定所述预测用水量的置信区间。
需要说明的是，上述n个用水量可以包括用户在一天内不同时刻的用水量，也可以包括用户在一个月内每天的用水量，本申请对n个用水量的获取方式不做限制。
需要说明的是，索引值的取值范围包括[0，∞]。
其中，以向上取整的方式确定出第一索引值和第二索引值。例如，在n为4的情况下，第一索引值Index1＝(n+1)/4＝5/4，此时，向上取整得到Index1为1，而第二索引值Index2为3。
例如，在一个实施例中，假设n为5，第一索引值Index1＝(5+1)/4＝6/4，此时，向上取整得到Index1为1，而第二索引值Index2为4。
在一个示例性实施例中，在确定历史用水量中的用水量包括11，34，120，55，17的情况下，确定n为5。按照从小到大的顺序排序11，34，120，55，17，得到排序后的用水量列表为11，17，34，55，120，则确定出第一索引值Index1对应的用水量为17L，第二索引值对应的用水量为120L。
在其他实施例中，对所述历史用水量中的n个用水量进行排序的顺序还可以包括从大到小，本申请对此不做限制。
在按照从大到小的顺序对所述历史用水量中的n个用水量进行排序的情况下，根据第二索引公式计算出第一索引值Index1，以及根据第一索引公式计算出第二索引值Index2，即，得到Index2＝(n+1)/4，Index1＝3×(n+1)/4，相应的，根据所述第一索引值Index1对应的用水量，所述第二索引值Index2对应的用水量和所述第一对象的预测用水量确定所述预测用水量的置信区间的过程包括：获取第二索引值对应的用水量和所述第一对象的预测用水量的和值，并将所述和值确定为所述预测用水量的置信区间的上限值；在确定所述预测用水量大于第一索引值对应的用水量的情况下，将所述第二索引值对应的用水量确定为所述预测用水量的置信区间的下限值；在确定所述预测用水量小于所述第一索引值对应的用水量的情况下，将所述预测用水量确定为所述预测用水量的置信区间的下限值。
在一个示例性实施例中，上述第二确定模块还用于，获取所述第一索引值对应的用水量和所述第一对象的预测用水量的和值，并将所述和值确定为所述预测用水量的置信区间的上限值；在确定所述预测用水量大于第二索引值对应的用水量的情况下，将所述第一索引值对应的用水量确定为所述预测用水量的置信区间的下限值；在确定所述预测用水量小于所述第二索引值对应的用水量的情况下，将所述预测用水量确定为所述预测用水量的置信区间的下限值。
在一个示例性实施例中，上述用水消息的提醒装置还包括更新模块，用于基于用户偏好模型确定所述历史用水量中的用水偏好值，其中，所述用户偏好模型是基于所述第一对象的用水习惯确定的，所述用水偏好值表示所述第一对象在所述第一时间段内的使用频次大于第三阈值的用水量；使用所述第一对象的偏好用水量更新所述预测用水量的置信区间。
在一个示例性实施例中，上述更新模块还包括用水偏好值确定单元，用于提出了一种根据所述第一对象在所述第一时间段内的每一天的用水习惯确定每一天的用户子偏好模型；基于所述用户子偏好模型确定所述第一对象在每一天的用水偏好值，其中，在确定所述第一时间段内的同一天具有多个所述用户偏好值的情况下，确定多个所述用户偏好值的平均值为所述用水偏好值。
在一个示例性实施例中，上述更新模块还包括置信区间更新单元，用于确定与所述置信区间内的上限值和所述置信区间内的下限值对应的第一权重，以及确定所述用水偏好值的第二权重；获取所述置信区间内的下限值与所述第一权重的第一乘积，所述置信区间内的上限值与所述第一权重的第二乘积，所述用水偏好值与所述第二权重的第三乘积；将所述第一乘积与所述第三乘积的和值更新为所述置信区间内的下限值，以及将所述第二乘积与所述第三乘积的和值更新为所述置信区间内的上限值。
例如，在一个实施例中，设置上述第一权重为0.6，上述第二权重为0.4，如果确定预测用水量的置信区间为[10，50]，用水偏好值为25，那么更新后的置信区间为[10×0.6+25×0.4，50×0.6+25×0.4]。
本申请的实施例还提供了一种存储介质，该存储介质包括存储的程序，其中，上述程序运行时执行上述任一项的方法。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的程序代码：
S1，根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，其中，所述第一时间段为当前时刻之前的时间段，所述第二时间段为所述当前时刻之后的时间段；
S2，根据所述第一对象的预测用水量确定出所述预测用水量的置信区间；
S3，在确定监测到的第一对象在所述第二时间段内的累加用水量大于所述预测用水量的置信区间的上限值的情况下，向所述第一对象发送用水消息，以提示所述第一对象所述累加用水量已超过所述置信区间的上限值。
本申请的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，其中，所述第一时间段为当前时刻之前的时间段，所述第二时间段为所述当前时刻之后的时间段；
S2，根据所述第一对象的预测用水量确定出所述预测用水量的置信区间；
S3，在确定监测到的第一对象在所述第二时间段内的累加用水量大于所述预测用水量的置信区间的上限值的情况下，向所述第一对象发送用水消息，以提示所述第一对象所述累加用水量已超过所述置信区间的上限值。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种用水消息的提醒方法，其特征在于，包括：
根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，其中，所述第一时间段为当前时刻之前的时间段，所述第二时间段为所述当前时刻之后的时间段；
根据所述第一对象的预测用水量确定出所述预测用水量的置信区间；
在确定监测到的第一对象在所述第二时间段内的累加用水量大于所述预测用水量的置信区间的上限值的情况下，向所述第一对象发送用水消息，以提示所述第一对象所述累加用水量已超过所述置信区间的上限值。
2.根据权利要求1所述的用水消息的提醒方法，其特征在于，根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量包括：
将所述第一时间段划分为第一时段和第二时段，其中，所述第一时段的用水量小于第一阈值，所述第二时段的用水量大于第二阈值，所述第一阈值小于所述第二阈值；
根据所述第一时段的历史用水量确定所述第一时段内每一天的第一用水模型，以及根据所述第二时段的历史用水量确定所述第二时段内每一天的第二用水模型；
根据所述第一用水模型和/或所述第二用水模型预测所述第一对象在所述第二时间段的预测用水量。
3.根据权利要求1所述的用水消息的提醒方法，其特征在于，根据所述第一对象的预测用水量确定出所述预测用水量的置信区间包括：
按照从小到大的顺序对所述历史用水量中的n个用水量进行排序，得到排序后的用水量列表，其中，所述n为大于3的整数，所述排序后的用水量列表中的每个用水量对应有索引值；
根据第一索引公式计算出第一索引值Index1，以及根据第二索引公式计算出第二索引值Index2，其中，所述第一索引公式为：Index1＝(n+1)/4，所述第二索引公式为Index2＝3×(n+1)/4；
根据所述第一索引值Index1对应的用水量，所述第二索引值Index2对应的用水量和所述第一对象的预测用水量确定所述预测用水量的置信区间。
4.根据权利要求3所述的用水消息的提醒方法，其特征在于，根据所述第一索引值Index1对应的用水量，所述第二索引值Index2对应的用水量和所述第一对象的预测用水量确定所述预测用水量的置信区间包括：
获取所述第一索引值对应的用水量和所述第一对象的预测用水量的和值，并将所述和值确定为所述预测用水量的置信区间的上限值；
在确定所述预测用水量大于第二索引值对应的用水量的情况下，将所述第一索引值对应的用水量确定为所述预测用水量的置信区间的下限值；
在确定所述预测用水量小于所述第二索引值对应的用水量的情况下，将所述预测用水量确定为所述预测用水量的置信区间的下限值。
5.根据权利要求1所述的用水消息的提醒方法，其特征在于，根据所述第一对象的预测用水量确定出所述预测用水量的置信区间之后，所述方法还包括：
基于用户偏好模型确定所述历史用水量中的用水偏好值，其中，所述用户偏好模型是基于所述第一对象的用水习惯确定的，所述用水偏好值表示所述第一对象在所述第一时间段内的使用频次大于第三阈值的用水量；
使用所述第一对象的偏好用水量更新所述预测用水量的置信区间。
6.根据权利要求5所述的用水消息的提醒方法，其特征在于，基于用户偏好模型确定所述历史用水量中的用水偏好值包括：
根据所述第一对象在所述第一时间段内的每一天的用水习惯确定每一天的用户子偏好模型；
基于所述用户子偏好模型确定所述第一对象在每一天的用水偏好值，其中，在确定所述第一时间段内的同一天具有多个所述用户偏好值的情况下，确定多个所述用户偏好值的平均值为所述用水偏好值。
7.根据权利要求5所述的用水消息的提醒方法，其特征在于，使用所述第一对象的偏好用水量更新所述预测用水量的置信区间包括：
确定与所述置信区间内的上限值和所述置信区间内的下限值对应的第一权重，以及确定所述用水偏好值的第二权重；
获取所述置信区间内的下限值与所述第一权重的第一乘积，所述置信区间内的上限值与所述第一权重的第二乘积，所述用水偏好值与所述第二权重的第三乘积；
将所述第一乘积与所述第三乘积的和值更新为所述置信区间内的下限值，以及将所述第二乘积与所述第三乘积的和值更新为所述置信区间内的上限值。
8.一种用水消息的提醒装置，其特征在于，包括：
第一确定模块，用于根据第一对象在第一时间段内的历史用水量确定出所述第一对象在第二时间段的预测用水量，其中，所述第一时间段为当前时刻之前的时间段，所述第二时间段为所述当前时刻之后的时间段；
第二确定模块，用于根据所述第一对象的预测用水量确定出所述预测用水量的置信区间；
发送模块，用于在确定监测到的第一对象在所述第二时间段内的累加用水量大于所述预测用水量的置信区间的上限值的情况下，向所述第一对象发送用水消息，以提示所述第一对象所述累加用水量已超过所述置信区间的上限值。
9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210181907.7A CN114677830A (zh) | 2022-02-25 | 2022-02-25 | 用水消息的提醒方法、存储介质及电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210181907.7A CN114677830A (zh) | 2022-02-25 | 2022-02-25 | 用水消息的提醒方法、存储介质及电子装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114677830A true CN114677830A (zh) | 2022-06-28 |
Family
ID=82072342
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210181907.7A Pending CN114677830A (zh) | 2022-02-25 | 2022-02-25 | 用水消息的提醒方法、存储介质及电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114677830A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024021546A1 (zh) * | 2022-07-29 | 2024-02-01 | 青岛海尔科技有限公司 | 行为偏好表的生成方法和装置、存储介质及电子装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109146196A (zh) * | 2018-09-07 | 2019-01-04 | 河北工程大学 | 一种居民社区时用水量预测方法 |
| CN112559969A (zh) * | 2020-12-10 | 2021-03-26 | 北部湾大学 | 一种基于累积和算法的小泄漏检测方法 |
| CN112597263A (zh) * | 2021-03-03 | 2021-04-02 | 浙江和达科技股份有限公司 | 管网检测数据异常判断方法及系统 |
| CN112884532A (zh) * | 2021-03-31 | 2021-06-01 | 江阴市立信智能设备有限公司 | 一种低功耗物联网采集系统 |
| CN114021859A (zh) * | 2021-12-07 | 2022-02-08 | 重庆大学 | 一种酒店建筑用水量的预测方法 |
-
2022
- 2022-02-25 CN CN202210181907.7A patent/CN114677830A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109146196A (zh) * | 2018-09-07 | 2019-01-04 | 河北工程大学 | 一种居民社区时用水量预测方法 |
| CN112559969A (zh) * | 2020-12-10 | 2021-03-26 | 北部湾大学 | 一种基于累积和算法的小泄漏检测方法 |
| CN112597263A (zh) * | 2021-03-03 | 2021-04-02 | 浙江和达科技股份有限公司 | 管网检测数据异常判断方法及系统 |
| CN112884532A (zh) * | 2021-03-31 | 2021-06-01 | 江阴市立信智能设备有限公司 | 一种低功耗物联网采集系统 |
| CN114021859A (zh) * | 2021-12-07 | 2022-02-08 | 重庆大学 | 一种酒店建筑用水量的预测方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024021546A1 (zh) * | 2022-07-29 | 2024-02-01 | 青岛海尔科技有限公司 | 行为偏好表的生成方法和装置、存储介质及电子装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dixit et al. | Use of prediction algorithms in smart homes | |
| CN114677830A (zh) | 用水消息的提醒方法、存储介质及电子装置 | |
| CN111130867B (zh) | 一种基于物联网的智能家居设备告警方法及装置 | |
| CN115167164A (zh) | 设备场景的确定方法和装置、存储介质及电子装置 | |
| CN114697150A (zh) | 命令的下发方法和装置、存储介质及电子装置 | |
| CN106970696B (zh) | 一种电子设备管理方法及电子设备 | |
| CN115345225A (zh) | 推荐场景的确定方法及装置、存储介质及电子装置 | |
| CN115495180A (zh) | 功能模块的设置方法、系统、存储介质及电子装置 | |
| CN115714810A (zh) | 推送消息的发送方法及装置、存储介质及电子装置 | |
| CN114675551A (zh) | 操作行为的确定方法和装置、存储介质及电子装置 | |
| CN115390466A (zh) | 行为偏好表的生成方法和装置、存储介质及电子装置 | |
| CN116107975A (zh) | 设备的控制方法和装置、存储介质及电子装置 | |
| CN116360584A (zh) | 虚拟目标产品的生成方法、装置、存储介质及电子装置 | |
| CN114992970A (zh) | 清洁指令的发送方法、装置、存储介质及电子装置 | |
| CN114861678A (zh) | 时间信息的确定方法和装置、存储介质及电子装置 | |
| CN115167161A (zh) | 灯具关联关系的确定方法和装置、存储介质及电子装置 | |
| CN115631832A (zh) | 烹饪计划的确定方法及装置、存储介质及电子装置 | |
| CN115457955A (zh) | 分布式唤醒的决策方法、装置、存储介质及电子装置 | |
| CN114691731A (zh) | 使用偏好的确定方法和装置、存储介质及电子装置 | |
| CN105072199B (zh) | 离线预下载功能提醒方法和装置 | |
| CN114880364A (zh) | 目标行为的预测方法及装置、存储介质及电子装置 | |
| CN115296977A (zh) | 故障信息处理方法、装置、存储介质及电子装置 | |
| CN115658312A (zh) | 资源使用情况的确定方法和装置、存储介质及电子装置 | |
| CN115309063A (zh) | 设备场景的更新方法和装置、存储介质及电子装置 | |
| CN115174297A (zh) | 属性信息的更新方法和装置、存储介质及电子装置 |
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 |