一种能够用于预测喝水时间的方法和系统技术方案

本发明专利技术公开了一种能够用于预测喝水时间的方法和系统，包括：S1.获取样本用户的数据信息；S2.对数据信息进行基于不同时间段的贝叶斯分类算法，以获得每个时间段的分类数据集；S3.通过K‑近邻算法对每个时间段的分类数据集进行计算，以获得用于计算每个时间段最优饮水时间和最优饮水量的饮水算法；S4.获取对象用户的特征属性，通过饮水算法根据特征属性计算最优饮水时间和最优饮水量，并根据计算结果向对象用户发送推送消息。本发明专利技术通过深度学习对样本用户的数据信息，能够准确得到用户在每段时间最佳标准饮水时间和饮水量，并向用户推送饮水计划，纠正用户饮水习惯。

【技术实现步骤摘要】
一种能够用于预测喝水时间的方法和系统
本专利技术属于智能水杯
，尤其涉及一种能够用于预测喝水时间的方法和系统。
技术介绍
随着人类社会的高速发展，工作繁忙、事务繁多，导致人群对健康的忽视越来越严重，一天喝不了2杯水、一晚上只睡5、6个小时，每天的运动量极度缺乏。世界卫生组织调查报告亚健康人群已经占比75％，而造成亚健康的最简单的原因之一就是缺乏饮水。而目前的水杯很少有提醒用户喝水的功能，就算有这个功能，也是没有科学依据为基础的，大多将一天需要喝多少水，根据用户起床到睡觉的时间，平均下来，这种饮水方式是极其不科学的。我们饮水是很讲究的，而这种讲究却不是固定的，根据不同季节，天气温度、湿度都会影响到补水的量和时间。为了解决上述技术问题，人们进行了长期的探索，例如中国专利公开了一种健康水杯[公开号：CN205285829U]，包括可拆卸连接的杯盖和杯体，所述杯盖内设有PCB板，所述PCB板连接有显示模块、温度检测传感器、水质检测传感器、加速度传感器、光感传感器和第一信号模块，所述显示模块位于所述杯盖上表面，所述温度检测传感器、水质检测传感器、加速度传感器、光感传感器均与所述显示模块和第一信号模块相连，所述第一信号模块与移动终端相连，所述第一信号模块连接有APP模块，所述APP模块设在所述移动终端内。上述技术方案需要用户自行设置提醒喝水时间，杯子的提醒作用比较被动，且不能科学智能地提醒用户喝水，在提醒喝水方式方面还有待改进。
技术实现思路
本专利技术的目的是针对上述问题，提供一种能够预测喝水时间的方法本方案的另一目的是提供一种基于上述方法的系统。为达到上述目的，本专利技术采用了下列技术方案：一种能够用于预测喝水时间方法，包括：S1.获取样本用户的数据信息；S2.对所述数据信息进行基于不同时间段的贝叶斯分类算法，以获得每个时间段的分类数据集；S3.通过K-近邻算法对每个时间段的分类数据集进行计算，以获得用于计算每个时间段最优饮水时间和最优饮水量的饮水算法。在上述能够预测喝水时间的方法中，在步骤S1中，通过以下方法选择样本用户：采集所有用户的饮水习惯，并挑选所有一天饮水次数超过预设次数，一天饮水量超过预设数量的用户作为样本用户；在步骤S3之后还包括：S4.获取对象用户的特征属性，通过所述饮水算法根据所述特征属性计算所述对象用户每个时间段的最优饮水时间和最优饮水量，并根据计算结果向所述对象用户发送推送消息。在上述能够预测喝水时间的方法中，所述数据信息包括所述特征属性，所述特征属性包括用户的性别、年龄、身高、体重，以及用户所在位置、时间、温度和湿度；所述数据信息还包括样本用户的饮水习惯；且所述饮水习惯包括饮水时间和/或每次饮水量，通过安装于杯体上的饮水量检测装置获取每次饮水量并由杯体将所述每次饮水量的数据信息发送给服务器(1)。在上述能够预测喝水时间的方法中，在步骤S3中，所述饮水算法包括饮水时间公式①和饮水量公式②：其中，X，表示对象用户的饮水时间；Y，表示对象用户的饮水量；n，表示对象用户所具有的特征属性数量；xi，表示相应特征属性的最佳饮水时间；ki，表示相应特征属性的系数；yi，表示相应特征属性的最佳饮水量。在上述能够预测喝水时间的方法中，对象用户相应特征属性的饮水时间和对象用户相应特征属性的饮水量分别由公式③和公式④获得：xi＝x0+(w-per)/per*x0③yi＝y0+(w-per)/per*y0④其中，xi，表示对象用户相应特征属性的饮水时间；x0，表示饮水时间中心点；w，表示对象用户相应特征属性值；per，表示样本用户相应特征属性的平均值；yi，表示对象用户相应特征属性的饮水量；y0，表示饮水量中心点。在上述能够预测喝水时间的方法中，所述饮水时间中心点和饮水量中心点均根据欧式距离公式⑤所得：其中，Dx，表示样本用户之间饮水时间的差异性；Dy，表示样本用户之间饮水量的差异性；n，表示特征属性数量；xi，表示样本用户相应特征属性的饮水时间；yi，表示样本用户相应特征属性的饮水量；wi，表示样本用户相应特征属性的值；w0，表示中心点相应特征属性的值。在上述能够预测喝水时间的方法中，相应特征属性的系数计算公式为公式⑩：Ki＝(w–per)*Ex+(d1-w)*p1+(d2-w)*p2+…+(dn-w)*pn⑩其中，Ki，表示相应特征属性的系数，且所有特征属性的系数和为1；w，表示当前用户相应特征属性值；per，表示样本用户关于相应特征属性的平均值；Ex，表示相应特征属性在所有特征属性中的占比权重；p1…pn，表示所有样本用户关于相应特征系数的粒子比例因子，其中，所述粒子比例因子的计算公式如下：其中，T(1,2…n)表示相应时间段相应特征属性的总值。在上述能够预测喝水时间的方法中，在步骤S2中，所述分类数据集包括每个时间段每个特征属性的饮水时间和饮水量，且所述贝叶斯算法包括饮水时间相关公式⑥和饮水量相关公式⑦，其中，P(yi|x)，表示对于各特征属性在i时间段的饮水概率；P(x)，表示各特征属性的饮水概率；P(yi)，表示i时间段的饮水概率；P(x|yi)，表示在i时间段中各特征属性的饮水概率；Q(yi|x)，表示对于各特征属性在i时间段中的饮水量；Q(x)，表示各特征属性的饮水量；Q(yi)，表示i时间段的饮水量；Q(x|yi)，表示在i时间段中各特征属性的饮水量。在上述能够预测喝水时间的方法中，所述分类数据集包括饮水时间数据集和饮水量数据集，所述饮水时间数据集为公式⑧，饮水量数据集为公式⑨，其中，P(x|yi),表示在i时间段中各特征属性的饮水概率；P(yi)，表示i时间段的饮水概率；Q(x|yi)，表示在i时间段中各特征属性的饮水量；Q(yi)，表示i时间段的饮水量；x＝{a1,a2,…am}，表示各个相应的特征属性；m，表示特征属性数量。一种能够预测喝水时间的系统，包括服务器，所述服务器包括有样本获取模块、训练模块、判断模块和推送模块，其中，样本获取模块，用于采集用户的数据信息，并根据数据信息选择样本用户，将所述样本用户的数据信息作为训练样本；训练模块，用于使用样本用户的数据信息进行贝叶斯分类算法以获得分类数据集，并通过K-近邻算法对所述分类数据集进行计算，以获得用于计算最优饮水时间和最优饮水量的饮水算法；判断模块，用于采集和接收对象用户的特征属性信息，并根据所述饮水算法基于所述特征属性信息计算对象用户的最佳饮水时间和最佳饮水量；推送模块，用于根据计算结果向所述对象用户发送推送消息发送关于最佳饮水时间和最佳饮水量的推送消息。本专利技术相较于现有技术具有以下优点：通过大数据对样本用户饮水时间进行深度学习，得出用于计算用户每时间段最佳饮水时间和饮水量的饮水算法，再根据用户的特征属性通过该饮水算法获得不规律用户的最佳饮水时间和饮水量，具有更科学的饮水时间获取方式，有效改善不规则用户的饮水习惯，促进身体代谢，提高身体素质。附图说明图1是本专利技术实施例一的方法流程图；图2是本专利技术实施例二的系统结构框图。附图标记：服务器1；样本获取模块11；训练模块12；判断模块13；推送模块14；杯体2；饮水APP3。具体实施方式虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。各项操作本文档来自技高网...

【技术保护点】
1.一种能够预测喝水时间的方法，其特征在于，包括：S1.获取样本用户的数据信息；S2.对所述数据信息进行基于不同时间段的贝叶斯分类算法，以获得每个时间段的分类数据集；S3.通过K‑近邻算法对每个时间段的分类数据集进行计算，以获得用于计算每个时间段最优饮水时间和最优饮水量的饮水算法。

【技术特征摘要】
1.一种能够预测喝水时间的方法，其特征在于，包括：S1.获取样本用户的数据信息；S2.对所述数据信息进行基于不同时间段的贝叶斯分类算法，以获得每个时间段的分类数据集；S3.通过K-近邻算法对每个时间段的分类数据集进行计算，以获得用于计算每个时间段最优饮水时间和最优饮水量的饮水算法。2.根据权利要求1所述的能够预测喝水时间的方法，其特征在于，在步骤S1中，通过以下方法选择样本用户：采集所有用户的饮水习惯，并挑选所有一天饮水次数超过预设次数，一天饮水量超过预设数量的用户作为样本用户；在步骤S3之后还包括：S4.获取对象用户的特征属性，通过所述饮水算法根据所述特征属性计算最优饮水时间和最优饮水量，并根据计算结果向所述对象用户发送推送消息。3.根据权利要求2所述的能够预测喝水时间的方法，其特征在于，所述数据信息包括所述特征属性，所述特征属性包括用户的性别、年龄、身高、体重，以及用户所在位置、时间、温度和湿度；所述数据信息还包括样本用户的饮水习惯；且所述饮水习惯包括饮水时间和/或每次饮水量，通过安装于杯体上的饮水量检测装置获取每次饮水量并由杯体将所述每次饮水量的数据信息发送给服务器(1)。4.根据根据权利要求3所述的预测喝水时间方法，其特征在于，在步骤S3中，所述饮水算法包括饮水时间公式①和饮水量公式②：其中，X，表示对象用户的饮水时间；Y，表示对象用户的饮水量；n，表示对象用户所具有的特征属性数量；xi，表示相应特征属性的最佳饮水时间；ki，表示相应特征属性的系数；yi，表示相应特征属性的最佳饮水量。5.根据根据权利要求4所述的预测喝水时间方法，其特征在于，对象用户相应特征属性的饮水时间和对象用户相应特征属性的饮水量分别由公式③和公式④获得：xi＝x0+(w-per)/per*x0③yi＝y0+(w-per)/per*y0④其中，xi，表示对象用户相应特征属性的饮水时间；x0，表示饮水时间中心点；w，表示对象用户相应特征属性值；per，表示样本用户相应特征属性的平均值；yi，表示对象用户相应特征属性的饮水量；y0，表示饮水量中心点。6.根据权利要求5所述的能够预测喝水时间的方法，其特征在于，所述饮水时间中心点和饮水量中心点均根据欧式距离公式⑤所得：其中，Dx，表示样本用户之间饮水时间的差异性；Dy，表示样本用户之间饮水量的差异性；n，表示特征属性数量；xi，表示样本用户相应特征属性的饮水时间；yi，表示样本用户相应特征属性的饮水量；wi，表示样本用户相应特征属性的值；w0，表示中心点相应特征属性的值。7.根据根据权利要求6所述的预...

【专利技术属性】
技术研发人员：洪文彬，
申请(专利权)人：四川斐讯信息技术有限公司，
类型：发明
国别省市：四川,51