藍牙控制的智能家居系統(tǒng)及空調預測算法的設計與實現.pdf

1、隨著計算機技術的不斷發(fā)展，越來越強大、方便的科技被應用到生活中。近幾年來BP神經網絡因為其對大量復雜數據的強大處理能力以及自學習、聯想存儲功能、高速尋找最優(yōu)化解的特點被大量運用在各個領域。而隨著智能家居的發(fā)展，未來的家電使用應該是智能的、自動的。未來的智能家居應該是可以獲取用戶的行為習慣，幫用戶判斷行為需求，自動作出決定。本文以智能手機為操作平臺，建立了用戶空調使用預測的神經網絡模型，提出了一套基于BP神經網絡的關于空調使用的用戶行為預

2、測算法。
　　針對上述問題，本文主要做了以下研究：
　　一方面，通過對于用戶使用空調的行為分析，確定了BP神經網絡用戶行為預測系統(tǒng)模型的5個行為特征參數：當天最高氣溫、當天最低氣溫、開空調時間、關空調時間、空調溫度設定。通過上述幾個參數的統(tǒng)計數據及分布，確定了用戶行為數據的分組處理，以上這些數據很好的將用戶行為進行了數據化表示。然后針對這些數據提出了取樣方法和樣本長度分析，從理論角度對本系統(tǒng)所用的BP神經網絡模型的相關參數打

3、好了相應的理論基礎。
　　然后，根據BP神經網絡理論建立了單隱層結構的用戶行為預測系統(tǒng)模型。在對時間和溫度的設定分析出一套合理的處理方法后，可以很好的用到神經網絡模型中，其中輸入層為用戶行為特性參數記錄，包含14個節(jié)點，輸出層為預測數值，包含12個節(jié)點。通過相應的算法流程分析，大致確定了神經網絡模型的結構和運行流程。
　　緊接著，針對該BP神經網絡用戶行為預測模型，通過測試對比的方法，以歐式誤差距離為預測準確性評價標準，在每

4、個參數的不同選項中選取誤差最小的數值，確定了包括訓練數據、訓練算法、隱層節(jié)點數和學習率在內的參數，從而使得本模型得以具體建立和使用。
　　最后，實現了一個基于Android手機的智能系統(tǒng)。該系統(tǒng)通過STM32開發(fā)板得以實現手機對空調的控制，又通過一系列算法和設定得以讓系統(tǒng)獲取當天氣溫和用戶行為數據，通過實驗驗證了該系統(tǒng)的初步可行性。
　　綜上所述，本文提出了一套基于用戶空調使用行為智能預測系統(tǒng)，該預測算法基于BP神經網絡，用