CN115933787B - 基于室内环境监测的室内多末端智能控制系统 - Google Patents

Abstract

本发明涉及智能控制技术领域，具体涉及基于室内环境监测的室内多末端智能控制系统；首先根据目标时刻与上一时刻的差异计算对应邻域段，根据邻域段对目标时刻环境特征值平滑处理；再根据目标时刻的环境特征平滑值与当天历史环境特征时间序列数据获得目标时刻的下一时刻环境特征的变化趋势预测值；根据目标时刻的环境特征平滑值和邻域段的环境特征平滑值获得目标时刻的下一时刻环境特征的邻域趋势预测值；并根据对应时刻的预测值之间差异以及与实际环境特征值之间差异进行判断；最终根据判断结果对环境特征进行智能调节；使调节更智能、准确，避免负向调节。

Description

基于室内环境监测的室内多末端智能控制系统

技术领域

本发明涉及智能控制技术领域，具体涉及基于室内环境监测的室内多末端智能控制系统。

背景技术

随着信息化时代的发展，人们的衣食住行越来越智能化。例如对于居住环境的态度的改变，由以前的维持最低的住宿环境改变为更加舒适的居住环境。所以室内多末端智能控制系统应运而生。室内多末端智能控制系统是一种利用设备对室内的环境进行监测，根据监测结果对室内的环境进行智能调节控制的智能系统，能最大程度地帮助人们获得更加舒适的室内环境。

目前现有的室内环境控制方法中，大部分是根据设备采集的数据进行直接调节，容易出现较多异常噪声数据，进而影响调节效果，甚至起到相反作用；部分方法是根据需要调节的目标时刻与对应相邻时刻的数据差异直接简单判断是否出现异常数据，没有考虑结合历史数据对目标时刻的数据进一步分析是否出现数据异常的情况，容易出现较多判断误差，导致最终调节的准确性不高，影响使用体验。

发明内容

为了解决上述对室内环境控制调节的过程中对异常噪声数据出现较多、对异常噪声数据判断不准确的技术问题，本发明的目的在于提供基于室内环境监测的室内多末端智能控制系统，所采用的技术方案具体如下：

数据采集模块，用于采集室内的环境特征时间序列；

数据特征分析模块，用于根据目标时刻的环境特征值计算目标时刻的邻域段，根据目标时刻和对应邻域段的环境特征值进行预处理，获得目标时刻的环境特征平滑值；根据目标时刻的环境特征平滑值与当天历史环境特征时间序列的所有环境特征值获得目标时刻的下一时刻环境特征的变化趋势预测值；根据目标时刻的环境特征平滑值和对应邻域段的所有环境特征平滑值获得目标时刻的下一时刻环境特征的邻域趋势预测值；对应的变化趋势预测值和邻域趋势预测值组成预测值组；

异常判断模块，用于根据目标时刻对应预测值组内的差异获得第一判断系数并判断预测值组的异常情况；所述异常情况包含异常和疑似异常；若预测值组为疑似异常，则根据预测值组中的预测值获得目标时刻的下一时刻环境特征预测值；根据目标时刻的下一时刻环境特征预测值与对应时刻的环境特征实际值的差异获得预测差异值，根据预测差异值判断疑似异常组是否异常；

末端控制模块，用于根据异常情况进行末端控制调节。

进一步地，所述目标时刻的邻域段的获取步骤包括：

计算目标时刻与对应上一时刻的环境特征值的差值绝对值，作为第一差值绝对值，计算目标时刻的环境特征值和第二预设常数的乘积；根据第一差值绝对值与目标时刻的环境特征值和第二预测常数的乘积的比值，获得目标时刻的波动程度；

对目标时刻的波动程度进行负相关归一化，并将目标时刻的波动程度归一化值与第一预设常数相乘，根据目标时刻的波动程度归一化值与第一预设常数相乘的数值和第三预设常数的和值，获得目标时刻的邻域段。

进一步地，所述目标时刻的环境特征平滑值的获取步骤包括：

计算目标时刻的邻域段中的所有环境特征值的平均值，获得目标时刻的环境特征平滑值。

进一步地，所述目标时刻的下一时刻环境特征的变化趋势预测值的获取步骤包括：

以当天历史环境特征时间序列中与目标时刻的环境特征平滑值相同的时刻节点下一时刻节点作为历史节点；确定历史节点中环境特征值的种类数量和每种环境特征值所出现的频率；

计算所有历史节点的环境特征平均值；计算历史节点的每种环境特征值与其历史节点环境特征平均值的差值，获得第二差值，计算所有第二差值与对应历史节点的环境特征值的频率的乘积，作为第一乘积，以第一乘积的平均值作为目标时刻环境特征值的历史变化量，计算目标时刻环境特征值的历史变化量与目标时刻环境特征值之和，获得目标时刻的下一时刻环境特征的变化趋势预测值。

进一步地，所述目标时刻的下一时刻的环境特征的邻域趋势预测值的获取步骤包括：

式中，表示目标时刻的下一时刻环境特征的邻域趋势预测值，表示目标时刻的邻域段长度，表示目标时刻的邻域段中不同的时刻，表示目标时刻的环境特征平滑值，表示目标时刻的邻域段中第时刻的环境特征平滑值，表示目标时刻的邻域段中第时刻的环境特征平滑值。

进一步地，所述获取第一判断系数并判断预测值组的异常情况的步骤包括：

计算目标时刻的预测值组中预测值的差值绝对值，作为第三差值绝对值；计算目标时刻的预测值组中预测值的和值，作为第一和值；

计算预测值组的第三差值绝对值与第一和值的比值，作为第一判断系数，当第一判断系数小于预设第一阈值时，则判断目标时刻的预测值组为疑似异常；当第一判断系数不小于预设第一阈值时，则判断目标时刻的预测值组为异常。

进一步地，所述目标时刻的下一时刻环境特征预测值的获取步骤包括：

计算目标时刻的下一时刻环境特征变化趋势预测值与第一预设权重系数的乘积和目标时刻的下一时刻的环境特征邻域趋势预测值与第二预设权重系数的乘积之和，获得目标时刻的下一时刻环境特征预测值。

进一步地，所述根据预测差异值判断疑似异常组是否异常的步骤包括：

对历史所有时刻的预测差异值进行实时聚类，通过K-means聚类为两簇，将簇内的预测差异值最大的簇作为环境特征异常簇，环境特征异常簇内的所有疑似异常组判断为环境特征异常。

进一步地，所述根据异常情况进行末端控制调节的步骤包括：

若目标时刻的下一时刻环境特征值异常，则末端控制调节系统使用目标时刻的环境特征值进行智能调节并预警；若目标时刻的下一时刻环境特征值正常，则末端控制调节系统使用目标时刻的下一时刻的环境特征值进行智能调节。

进一步地，所述环境特征时间序列包括温度时间序列、湿度时间序列和烟雾浓度时间序列。

本发明具有如下有益效果：

在本发明实施例中，根据目标时刻与上一时刻的环境特征值差异判断目标时刻的环境特征值变化趋势，根据变化趋势计算对应邻域段，使得根据邻域段数据所计算目标时刻的环境特征平滑值更符合变化趋势，平滑效果更准确；获得目标时刻的环境特征平滑值是因为原始数据存在轻微波动，计算平滑值能够减少调节频率，提高使用体验。因为环境特征是波动较小的时序数据，历史节点的环境特征与所预测时刻的环境特征相似，所以根据当天历史环境特征数据寻找对应历史节点的历史环境特征变化趋势，基于历史节点的环境特征变化趋势进行预测，获得目标时刻的下一时刻环境特征的变化趋势预测值，提高预测准确率。因为在正常情况下邻域段中的环境特征与目标时刻的下一时刻的环境特征较为接近，所以基于目标时刻邻域段中的环境特征平滑值进行预测，获得目标时刻的下一时刻环境特征的邻域趋势预测值，能够提高预测准确率。获得变化趋势预测值和邻域趋势预测值，然后对目标时刻的下一时刻环境特征异常情况进行判断，首先因为正常情况下预测值组中的数据较为相似，若出现特殊情况则会导致预测值组数据差异较大，所以根据目标时刻对应预测值组内的差异获得第一判断系数并判断预测值组的异常情况，提高最终判断结果以及调节的准确率。通过当天历史环境特征以及目的时刻邻域段的环境特征进行两个不同方向的预测，获得目标时刻的下一时刻环境特征预测值，能够减少某个方向出现问题带来的误差，提高最终预测准确性，进而保证异常情况判断的准确性；根据异常情况进行末端控制调节，能够基于预测与实际的环境特征差异判断异常，对室内环境进行智能调节控制，减少了不必要的调节；提高了调节的智能性、准确性，避免负向调节。

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和优点，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的介绍，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它附图。

图1为本发明一个实施例所提供的一种基于室内环境监测的室内多末端智能控制系统框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于室内环境监测的室内多末端智能控制系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于室内环境监测的室内多末端智能控制系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于室内环境监测的室内多末端智能控制系统框图，该系统包括：数据采集模块、数据特征分析模块和末端控制模块。

数据采集模块S1，用于采集室内的环境特征时间序列。

在本发明实施例中，实施场景为常见的室内环境；为了实现对室内环境的多末端智能控制，首先需要对室内环境特征进行实时监测，通过传感器采集室内的环境特征序列。在本发明实施例中，采集方法为在室内合适位置处放置温度湿度传感器和烟雾浓度传感器，并将各传感器采集的数据实时传输到数据特征分析模块中。需要说明的是，在本发明实施例中，多末端的环境特征指温度特征、湿度特征和烟雾浓度特征，即环境特征时间序列分别包括温度时间序列、湿度时间序列和烟雾浓度时间序列；实施者可以根据实施场景自行确定多末端的环境特征所包含的信息特征。

在通过传感器设备进行室内环境特征采集的过程中，往往因为环境因素或异常情况导致所采集到的数据存在噪声数据，而噪声数据对于室内的环境控制有着较大的影响，所以需要对采集到的环境特征数据进行处理分析，判断数据是否异常，进而实现末端的智能调节。

数据特征分析模块S2，用于根据目标时刻的环境特征值计算目标时刻的邻域段，根据目标时刻和对应邻域段的环境特征值进行预处理，获得目标时刻的环境特征平滑值；根据目标时刻的环境特征平滑值与当天历史环境特征时间序列的所有环境特征值获得目标时刻的下一时刻环境特征的变化趋势预测值；根据目标时刻的环境特征平滑值和对应邻域段的所有环境特征平滑值获得目标时刻的下一时刻环境特征的邻域趋势预测值；对应的变化趋势预测值和邻域趋势预测值组成预测值组。

在采集环境特征数据的过程中，由于其室内环境有着一定程度的轻微波动，导致环境特征数据变化过于频繁、不够稳定，若直接以采集的数据进行室内多末端智能控制与调节，则会造成设备的控制过程过于频繁，对于能源的消耗以及设备的损耗都有较为严重的影响。因此为了减少对设备过于频繁的调节，首先需要对采集到的环境特征数据进行平滑预处理，并且使环境特征数据在不改变原本变化趋势的基础上进行平滑，提高控制精度。

需要说明的是，在本发明实施例中，后续所有对环境特征数据处理的步骤，分别为对温度、湿度和烟雾浓度的数据进行相同且独立的数据处理步骤，将温度、湿度和烟雾浓度都以环境特征概述，不再分别赘述。

传统的均值平滑方法为均值平滑，即通过一段序列的平均值对某一时刻的数据进行平滑，但对于环境特征数据，若使用固定长度的序列对某一时刻的数据进行平滑，可能会影响到环境特征值的变化趋势，从而影响到最终控制调节的准确性。因为对于目标时刻的环境特征值，平滑过程中只能根据目标时刻的之前的一段时间内计算平均值，不能基于未发生的时刻数据进行平滑，所以对于目标时刻的环境特征值在平滑过程中不处于序列的中点，一定程度上影响了数据平滑准确度；对于大部分时间，其环境特征数值变化幅度不大，可以使用较长的序列长度进行均值平滑；但对于部分时间，可能环境特征数据变化幅度较为明显，若使用了较长的序列长度进行平滑，会影响数据的变化趋势，进而影响到预测的准确性，最终导致异常判断出现误差，降低了末端智能控制调节的精度。

因此，为了提高对目标时刻的环境特征值平滑预处理的准确性，对平滑所需的序列长度进行改进，将平滑所需的序列长度根据平滑时刻的数据变化幅度进行动态调整；即根据目标时刻的环境特征数值变化趋势进行邻域段动态长度的计算，邻域段指目标时刻环境特征值进行平滑预处理所需的求均值的时间序列长度；目标时刻指当前时刻。根据目标时刻的环境特征值计算目标时刻的邻域段具体包括：

计算目标时刻与对应上一时刻的环境特征值的差值绝对值，作为第一差值绝对值，计算目标时刻的环境特征值和第二预设常数的乘积；根据第一差值绝对值与目标时刻的环境特征值和第二预测常数的乘积的比值，获得目标时刻的波动程度；

对目标时刻的波动程度进行负相关归一化，并将目标时刻的波动程度归一化值与第一预设常数相乘，根据目标时刻的波动程度归一化值与第一预设常数相乘的数值和第三预设常数的和值，获得目标时刻的邻域段。目标时刻的邻域段的计算公式包括：

式中，为目标时刻的邻域段长度，( )是以自然常数为底的指数函数，为目标时刻的环境特征值，为目标时刻的上一时刻的环境特征值，为第一差值绝对值；为目标时刻的波动程度；目的是对目标时刻的波动程度进行负相关归一化。为第一预设常数，为第二预设常数，为第三预设常数。

在本发明实施例中，第一预设常数为，目的是对目标时刻的波动程度进行负相关归一化后增加邻域段长度。第二预设常数为，因为大部分时间第一差值绝对差值较小，所以第二预设常数的目的是缩小目标时刻环境特征值的大小，从而增大目标时刻的波动程度，在一定程度上提高了邻域段长度的精确性。第三预设常数为，目的是为了防止目标时刻的波动程度进行负相关归一化后趋于零的情况。需要说明的是，实施者可根据实施场景自行确定预设常数的大小。

计算目标时刻的邻域段的方法包括：利用目标时刻的环境特征值与对应前一时刻的历史环境特征值的差异值作为基础，判断目标时刻的环境特征数据更倾向目标时刻之前的环境特征值或是更倾向于目标时刻之后的环境特征值，并且结合环境特征的实际情况，其难以发生突变，变化较为平缓。因此，第一差值绝对值越小，意味着目标时刻的环境特征数据更倾向目标时刻之前的环境特征值，此时进行平滑的邻域段长度可以越长；第一差值绝对值越大，即目标时刻的波动程度越大，意味着目标时刻的环境特征数据更倾向目标时刻之后的环境特征值，此时进行平滑的邻域段长度需要越短。至此，通过计算目标时刻的邻域段的长度，能够提高目标时刻的环境特征值平滑预处理的准确度。

进一步地，计算了目标时刻环境特征值的邻域段后，根据目标时刻和对应邻域段的环境特征值进行预处理，获得目标时刻的环境特征平滑值，具体步骤包括：计算目标时刻的邻域段中的所有环境特征值的平均值，获得目标时刻的环境特征平滑值。通过动态邻域段所计算的目标时刻的环境特征平滑值更接近实际值且更符合环境特征的变化趋势。

计算了目标时刻的环境特征平滑值之后，需要对目标时刻的下一时刻即还未发生的时刻的环境特征数据进行预测分析，通过预测情况和实际情况判断环境特征是否出现异常，进而实现智能调节。

室内环境在无意外情况的发生下，其环境特征的变化幅度较小且具有明确的特征值，因此可以根据当天历史环境特征时间序列的特征以及邻域段内的环境特征变化趋势两个方面对目标时刻的下一时刻的环境特征值进行预测，提高对异常判断的准确度。

首先，基于当天历史环境特征时间序列的特征对目标时刻的下一时刻的环境特征值进行预测，即根据目标时刻的环境特征平滑值与当天历史环境特征时间序列的所有环境特征值获得目标时刻的下一时刻环境特征的变化趋势预测值。

优选地，目标时刻的下一时刻环境特征的变化趋势预测值的获取步骤包括：

以当天历史环境特征时间序列中与目标时刻的环境特征平滑值相同的时刻节点下一时刻节点作为历史节点；确定历史节点中环境特征值的种类数量和每种环境特征值所出现的频率；

计算所有历史节点的环境特征平均值；计算历史节点的每种环境特征值与其历史节点环境特征平均值的差值，获得第二差值，计算所有第二差值与对应历史节点的环境特征值的频率的乘积，作为第一乘积，以第一乘积的平均值作为目标时刻环境特征值的历史变化量，计算目标时刻环境特征值的历史变化量与目标时刻环境特征值之和，获得目标时刻的下一时刻环境特征的变化趋势预测值。目标时刻的下一时刻环境特征的变化趋势预测值的计算公式包括：

式中，表示目标时刻的下一时刻环境特征的变化趋势预测值，表示目标时刻的环境特征平滑值；表示当天历史环境特征时间序列中所有与相同值的时刻的下一个时刻的环境特征值的种类数，即历史节点中环境特征值的种类数量；表示中不同的种类，表示历史节点中第种环境特征值出现的次数，表示历史节点的数量；表示历史节点中第种环境特征值所出现的频率；表示历史节点中第种环境特征的数值；表示所有历史节点的环境特征平均值。

表示历史节点的环境特征值与其历史节点环境特征平均值的差值，即第二差值；表示第二差值与对应历史节点的环境特征值的频率的乘积，即第一乘积；为以第一乘积的平均值作为目标时刻环境特征值的历史变化量。

对目标时刻的下一时刻环境特征的变化趋势预测值的计算公式进行举例说明：假设目标时刻的环境特征平滑值为26，当天历史环境特征时间序列中与目标时刻的环境特征平滑值相同的时刻节点下一时刻节点作为历史节点分别记录为25、26、25、28、27、28；则为25、26、27、28共四个环境特征值种类，为6，为所有历史节点的环境特征值的平均值，即所记录对应的六个值的平均值；当为25时，为2；当为27时，为1。

对于目标时刻的下一时刻环境特征的变化趋势预测值的计算逻辑：对于目标时刻的下一时刻的环境特征预测值是以目标时刻的环境特征平滑值为基础进行预测的，即对应公式中的，因为在采集室内环境特征的过程中，环境特征值是时序数据，没有意外情况的发生下，相邻数据的变化率不大；因此，目标时刻的下一时刻环境特征值与目标时刻环境特征值最为接近。

进一步地，以目标时刻的环境特征平滑值为基础在当天对应的环境特征历史时间序列中进行检索，找到当天对应的环境特征历史时间序列中所有与目标时刻环境特征值相同的时刻节点的一下时刻的环境特征值，即式中历史节点的环境特征值，并对所有历史节点的环境特征值的变化情况进行量化，即式中所求的历史变化量；然后根据历史变化量和目标时刻的环境特征平滑值进行预测。具体的预测过程为利用所有历史节点的环境特征值与对应平均值的差异值的加权值作为目标时刻的下一时刻的预测增量，其中权值指不同种类历史节点的环境特征值出现的频率，即当某个历史节点的环境特征值出现频率越高，则其在预测中的重要性越大，对预测的贡献度也越大。

至此，根据目标时刻当天的历史环境特征时间序列计算得到了目标时刻的下一时刻环境特征的变化趋势预测值；需要说明的是，当目标时刻没有对应的历史节点时，则目标时刻的下一时刻环境特征的变化趋势预测值与目标时刻的环境特征平滑值相同。

因为变化趋势预测值是以当天的历史环境特征时间序列进行预测的，为了增加最终预测的准确性，还需要考虑到目标时刻最近一段时间的情况，因为环境特征是时序数据，在无意外情况的发生下，根据目标时刻最近一段时间的情况也可以对目标时刻的下一时刻环境特征值进行预测，目标时刻的最近一段时间即为目标时刻的邻域段。根据目标时刻的邻域段中的环境特征时间序列进行预测的步骤包括：根据目标时刻的环境特征平滑值和对应邻域段的所有环境特征平滑值获得目标时刻的下一时刻环境特征的邻域趋势预测值。目标时刻的下一时刻环境特征的邻域趋势预测值的具体计算步骤包括：

根据目标时刻的邻域段中的环境特征时间序列，计算其邻域段中所有环境特征平滑值之和；计算其邻域段中每个时刻与对应时刻的上一时刻的环境特征平滑值的比值的平均值，作为邻域段环境特征值的变化量；计算目标时刻的环境特征平滑值与对应邻域段环境变化值的乘积，计算目标时刻的环境特征平滑值与对应邻域段环境变化值的乘积和对应邻域段中所有环境特征平滑值之和的和值，作为邻域段中环境特征值总量；计算邻域段数量与数值一的和，用于调整邻域段数量的数值。根据邻域段中环境特征值总量与调整后的邻域段数量的比值，获得目标时刻的下一时刻的环境特征邻域趋势预测值。目标时刻的下一时刻的环境特征邻域趋势预测值计算公式具体包括：

式中，表示目标时刻的下一时刻环境特征的邻域趋势预测值，表示目标时刻的邻域段长度，表示目标时刻的邻域段中不同的时刻，表示目标时刻的环境特征平滑值，表示目标时刻的邻域段中第时刻的环境特征平滑值，表示目标时刻的邻域段中第时刻的环境特征平滑值。

为目标时刻邻域段中每个时刻与对应时刻的上一时刻的环境特征平滑值的比值的平均值，含义为邻域段内的环境特征值的变化趋势的平均值。含义为目标时刻的环境特征平滑值与对应邻域段的变化趋势平均值的乘积，即根据邻域段的环境特征值变化情况和目标时刻的环境特征值获得目标时刻的下一时刻的环境特征邻域预测值。为目标时刻域段中所有环境特征平滑值之和；为邻域段中环境特征值总量，邻域段中环境特征值总量为目标时刻邻域段中所有环境特征平滑值之和与目标时刻的下一时刻的环境特征邻域预测值的和值，然后对邻域段中环境特征值总量进行均值平滑，得到目标时刻的下一时刻环境特征的邻域趋势预测值。至此，根据目标时刻邻域段中的所有环境特征平滑值之和与目标时刻的下一时刻的环境特征邻域预测值的和值，然后进行均值平滑，获得目标时刻的下一时刻环境特征的邻域趋势预测值。

对于目标时刻的下一时刻环境特征的邻域趋势预测值的计算逻辑为：首先根据目标时刻的邻域段中每个时刻与对应上一时刻的环境特征平滑值计算变化趋势平均值；因为邻域段与目标时刻的下一时刻时间接近，所以此变化趋势平均值也能够反映目标时刻与对应下一时刻的环境特征值变化趋势。所以邻域趋势预测值中包含了目标时刻的环境特征平滑值与对应邻域段的环境特征变化趋势平均值乘积，获得目标时刻的下一时刻环境特征的邻域趋势预测值的部分。

然后再计算对应邻域段中所有环境特征平滑值之和与目标时刻的下一时刻环境特征的邻域趋势预测值的和，可视为将个数据累加，基于求平均的思想，将其除以，获得邻域趋势预测值。根据邻域段的环境特征平滑值和目标时刻的下一时刻环境特征的邻域趋势预测值进行均值平滑，获得目标时刻的下一时刻环境特征的邻域趋势预测值。即目标时刻的下一时刻环境特征的邻域趋势预测值是通过对目标时刻的邻域段所有环境特征平滑值，和基于对应邻域段的环境特征平滑值的变化趋势所得到的目标时刻的下一时刻的邻域趋势预测值共同进行均值平滑所获得。

至此，对于目标时刻的下一时刻的环境特征值预测，获得了变化趋势预测值和邻域趋势预测值，将目标时刻的下一时刻所对应的变化趋势预测值和邻域趋势预测值组成预测值组。后续步骤需要对预测值组进行判断分析以及基于预测值组对实际环境特征进行判断分析。

异常判断模块S3，用于根据目标时刻对应预测值组内的差异获得第一判断系数并判断预测值组的异常情况；对应异常情况包含异常和疑似异常；若预测值组为疑似异常，则根据预测值组中的预测值获得目标时刻的下一时刻环境特征预测值；根据目标时刻的下一时刻环境特征预测值与对应时刻的环境特征实际值的差异获得预测差异值，根据预测差异值判断疑似异常组是否异常。

对于预测值组的获取过程，当室内环境处于正常的状态下，室内环境特征变化是处于平缓的状态；所以预测值组中的变化趋势预测值和邻域趋势预测值的数值相差不大。若预测值组中的变化趋势预测值和邻域趋势预测值的数值差异较大，因为变化趋势预测值是基于当天历史的环境特征时间序列进行计算的，而邻域趋势预测值是基于目标时刻邻域段的环境特征序列进行计算的，所以当预测值组内的二者差异较大，则认为目标时刻的下一时刻的环境特征出现了异常，此时不再进行后续的预测值组与对应时刻的实际值的判断步骤，直接判断目标时刻的下一时刻环境特征异常。根据目标时刻对应预测值组内的差异获得第一判断系数并判断预测值组的异常情况的步骤包括：

计算目标时刻的预测值组中预测值的差值绝对值，作为第三差值绝对值；计算目标时刻的预测值组中预测值的和值，作为第一和值；

计算预测值组的第三差值绝对值与第一和值的比值，作为第一判断系数，当第一判断系数小于预设第一阈值时，则判断目标时刻的预测值组为疑似异常；当第一判断系数不小于预设第一阈值时，则判断目标时刻的预测值组为异常。其中第一判断系数的具体计算公式为：

式中，为目标时刻的预测值组的第一判断系数，表示目标时刻的下一时刻环境特征的邻域趋势预测值，表示目标时刻的下一时刻环境特征的变化趋势预测值。

预设第一阈值，当小于预设第一阈值时，此时意味着预测值组中的变化趋势预测值和邻域趋势预测值的数值相近，则判断目标时刻的预测值组为疑似异常，后续还需要结合实际环境特征值进行判断；当不小于预设第一阈值时，此时意味着预测值组中的变化趋势预测值和邻域趋势预测值的数值差异较大。则判断目标时刻的预测值组为异常，不再进行后续判断，直接将异常指令发送到末端控制系统。在本发明实施例中，预设第一阈值为0.55，实施者可根据实施场景自行确定预设第一阈值。

进一步地，若经过第一判断系数判断预测值组为疑似异常，则根据预测值组中的预测值获得目标时刻的下一时刻的环境特征预测值，目标时刻的下一时刻的环境特征预测值的具体获取步骤包括：计算目标时刻的下一时刻环境特征变化趋势预测值与第一预设权重系数的乘积和目标时刻的下一时刻的环境特征邻域趋势预测值与第二预设权重系数的乘积之和，获得目标时刻的下一时刻环境特征预测值。目标时刻的下一时刻环境特征预测值的具体计算公式为：

式中：为目标时刻的下一时刻的环境特征预测值，为环境特征变化趋势预测值对应的第一权重系数，为环境特征邻域趋势预测值对应的第二权重系数。在本发明实施例中，将和设置为0.5，需要说明的是，实施者可根据实施场景自行设定第一权重系数和第二权重系数的数值。

通过预测值组对目标时刻的下一时刻环境特征进行预测，能够在某一预测方向出现误差时，使最终的目标时刻的下一时刻环境特征预测值误差不会太大，整体的鲁棒性更强，更符合目标时刻的下一时刻的环境特征变化趋势特征。

至此，获得了目标时刻的下一时刻环境特征预测值，然后需要判断预测值组的疑似异常情况是正常或是异常，首先根据目标时刻的下一时刻环境特征预测值与对应时刻的环境特征实际值的差异获得预测差异绝对值，根据预测差异绝对值判断疑似异常组是否异常；具体判断步骤包括：

对历史所有时刻的预测差异值进行实时聚类，通过K-means聚类为两簇，将簇内的预测差异值最大的簇作为环境特征异常簇，环境特征异常簇内的所有疑似异常组判断为环境特征异常。即每一个时刻对应一个环境特征预测值与实际环境特征值，计算对应的环境特征预测值与实际环境特征值的差值绝对值；将得到的历史以及最新时刻的对应的环境特征预测值与实际环境特征值的差值绝对值通过K-means聚类算法进行聚类，当实际环境特征可能异常时，则对应的环境特征预测值与实际环境特征值的差值绝对值较大；当实际环境特征正常时，则对应的环境特征预测值与实际环境特征值的差值绝对值较小。因此聚类过程只需要聚类为两簇，K为2，将簇内的预测差异值最大的簇作为环境特征异常簇，若目标时刻的下一时刻预测差异值在环境特征异常簇，则对应的预测值组的疑似异常判断为异常，即目标时刻的下一时刻的环境特征出现了异常，和预测情况差异较大；当目标时刻的下一时刻预测差异值在环境特征正常簇，则对应的预测值组的疑似异常判断为正常，即实际环境特征值和对应的预测值较为接近。需要说明的是，K-means聚类算法为公开技术，具体聚类步骤不再赘述。

对目标时刻的下一时刻的环境特征是否异常进行判断后，则需要通过末端控制系统进行调节。

末端控制模块S4，用于根据异常情况进行末端控制调节。

当目标时刻的下一时刻环境特征出现异常后，不再以目标时刻的下一时刻环境特征值进行调节，会对室内环境的调节起到负面作用。因此，若目标时刻的下一时刻环境特征值异常，则末端控制调节系统使用目标时刻的环境特征值进行智能调节并预警；若目标时刻的下一时刻环境特征值正常，则末端控制调节系统使用目标时刻的下一时刻的环境特征值进行智能调节。使最终的末端控制调节智能性、准确性更高。

综上所述，本发明实施例首先根据目标时刻与上一时刻的差异计算了对应邻域段，根据邻域段数据对目标时刻环境特征值进行平滑预处理；再根据目标时刻的环境特征平滑值与当天历史环境特征时间序列数据获得目标时刻的下一时刻环境特征的变化趋势预测值；以及根据目标时刻的环境特征平滑值和对应邻域段的所有环境特征平滑值获得目标时刻的下一时刻环境特征的邻域趋势预测值；并将对应变化趋势预测值和邻域趋势预测值组成预测值组。对预测值组的组内数据差异判断对应时刻是否疑似异常，然后再根据实际环境特征值与预测值组得到的环境特征预测值差异情况判断对应时刻是否异常，最终根据判断结果对对应时刻的环境特征进行智能调节；使调节更智能、更准确，避免负向调节。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (2)

1.基于室内环境监测的室内多末端智能控制系统，其特征在于，该系统包括以下模块：

数据采集模块，用于采集室内的环境特征时间序列；

数据特征分析模块，用于根据目标时刻的环境特征值计算目标时刻的邻域段，根据目标时刻和对应邻域段的环境特征值进行预处理，获得目标时刻的环境特征平滑值；根据目标时刻的环境特征平滑值与当天历史环境特征时间序列的所有环境特征值获得目标时刻的下一时刻环境特征的变化趋势预测值；根据目标时刻的环境特征平滑值和对应邻域段的所有环境特征平滑值获得目标时刻的下一时刻环境特征的邻域趋势预测值；对应的变化趋势预测值和邻域趋势预测值组成预测值组；

异常判断模块，用于根据目标时刻对应预测值组内的差异获得第一判断系数并判断预测值组的异常情况；所述异常情况包含异常和疑似异常；若预测值组为疑似异常，则根据预测值组中的预测值获得目标时刻的下一时刻环境特征预测值；根据目标时刻的下一时刻环境特征预测值与对应时刻的环境特征实际值的差异获得预测差异值，根据预测差异值判断疑似异常组是否异常；

末端控制模块，用于根据异常情况进行末端控制调节；

所述目标时刻的邻域段的获取步骤包括：

式中，为目标时刻的邻域段长度，( )是以自然常数为底的指数函数，为目标时刻的环境特征值，为目标时刻的上一时刻的环境特征值，为第一差值绝对值；为目标时刻的波动程度；目的是对目标时刻的波动程度进行负相关归一化；为第一预设常数，为第二预设常数，为第三预设常数；

所述目标时刻的环境特征平滑值的获取步骤包括：

计算目标时刻的邻域段中的所有环境特征值的平均值，获得目标时刻的环境特征平滑值；

所述目标时刻的下一时刻环境特征的变化趋势预测值的获取步骤包括：

式中，表示目标时刻的下一时刻环境特征的变化趋势预测值，表示目标时刻的环境特征平滑值；表示当天历史环境特征时间序列中所有与相同值的时刻的下一个时刻的环境特征值的种类数，即历史节点中环境特征值的种类数量；表示中不同的种类，表示历史节点中第种环境特征值出现的次数，表示历史节点的数量；表示历史节点中第种环境特征值所出现的频率；表示历史节点中第种环境特征的数值；表示所有历史节点的环境特征平均值；

所述目标时刻的下一时刻环境特征的邻域趋势预测值的获取步骤包括：

式中，表示目标时刻的下一时刻环境特征的邻域趋势预测值，表示目标时刻的邻域段长度，表示目标时刻的邻域段中不同的时刻，表示目标时刻的环境特征平滑值，表示目标时刻的邻域段中第时刻的环境特征平滑值，表示目标时刻的邻域段中第时刻的环境特征平滑值；

所述获得第一判断系数的步骤包括：

式中，为目标时刻的预测值组的第一判断系数，表示目标时刻的下一时刻环境特征的邻域趋势预测值，表示目标时刻的下一时刻环境特征的变化趋势预测值；

所述判断预测值组的异常情况的步骤包括：

当第一判断系数小于预设第一阈值时，则判断目标时刻的预测值组为疑似异常；当第一判断系数不小于预设第一阈值时，则判断目标时刻的预测值组为异常；

所述目标时刻的下一时刻环境特征预测值的获取步骤包括：

计算目标时刻的下一时刻环境特征变化趋势预测值与第一预设权重系数的乘积和目标时刻的下一时刻的环境特征邻域趋势预测值与第二预设权重系数的乘积之和，获得目标时刻的下一时刻环境特征预测值；

所述根据预测差异值判断疑似异常组是否异常的步骤包括：

对历史所有时刻的预测差异值进行实时聚类，通过K-means聚类为两簇，将簇内的预测差异值最大的簇作为环境特征异常簇，环境特征异常簇内的所有疑似异常组判断为环境特征异常；

所述根据异常情况进行末端控制调节的步骤包括：

若目标时刻的下一时刻环境特征值异常，则末端控制调节系统使用目标时刻的环境特征值进行智能调节并预警；若目标时刻的下一时刻环境特征值正常，则末端控制调节系统使用目标时刻的下一时刻的环境特征值进行智能调节。

2.根据权利要求1所述的基于室内环境监测的室内多末端智能控制系统，其特征在于，所述环境特征时间序列包括温度时间序列、湿度时间序列和烟雾浓度时间序列。

Images