一种基于时间序列的温度预测方法及系统技术方案

本发明专利技术公开了一种基于时间序列的温度预测方法及系统，属于微控制器及机器学习技术领域，该方法基于微控制器设备和微型机器学习实现时间序列预测温度，利用微型机器学习模型在微控制器上部署机器学习，从而通过微控制器设备进行时间序列温度预测；其实现过程包括：在具有高性能计算资源的云上训练模型；将模型转换为精简框架，使模型适应轻量化环境；在特定的微控制器上运行推理。本发明专利技术能够通过低成本、低功耗、近似性能的边缘计算替代方案实现了温室的温度预测，实现温室的有效实施控制，最大限度地减少能源的浪费。最大限度地减少能源的浪费。最大限度地减少能源的浪费。

【技术实现步骤摘要】
一种基于时间序列的温度预测方法及系统


[0001]本专利技术涉及微控制器及机器学习
，具体地说是一种基于时间序列的温度预测方法及系统。

技术介绍

[0002]近年来，在农业领域出现了很多新技术，为农业生产带来很多好处，如温室种植，根据温室气候的变化，温室控制系统要控制执行器进行相应的调整，如果温度过低，就要通过加热系统来增加温度，如果温度过高，就要控制通风、遮阳系统等。大多数温室控制系统通常根据实际温度值对控制器进行控制，从而会产生控制和调整的滞后现象，并不能很好的保证温室始终处于最佳值。
[0003]另外，在温室控制系统中会用到一些智能的小型设备，这些设备能够收集大量的数据，可以使用机器算法进行分析。目前，在机器算法上执行的标准方法是在云中执行它们，然后将结果发送到所需的位置，但这个过程会造成通信延迟。且由于本地数据向中央计算单位公开，这种方法可能会使网络饱和并带来一些隐私问题。

技术实现思路

[0004]本专利技术的技术任务是针对以上不足之处，提供一种基于时间序列的温度预测方法及系统，能够通过低成本、低功耗、近本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时间序列的温度预测方法，其特征在于，基于微控制器设备和微型机器学习实现时间序列预测温度，利用微型机器学习模型在微控制器上部署机器学习，从而通过微控制器设备进行时间序列温度预测；其实现过程包括：在具有高性能计算资源的云上训练模型；将模型转换为精简框架，使模型适应轻量化环境；在特定的微控制器上运行推理。2.根据权利要求1所述的一种基于时间序列的温度预测方法，其特征在于，利用某一场景的时间序列的温度数据，进行训练、验证和转化，最后部署到微型控制器上面进行场景的温度预测。3.根据权利要求1或2所述的一种基于时间序列的温度预测方法，其特征在于，所述在具有高性能计算资源的云上训练模型，以时间序列为基础进行温度数据的收集，然后进行数据的预处理和转换，再进行机器学习模型的开发和使用训练集的训练，完成模型训练。4.根据权利要求3所述的一种基于时间序列的温度预测方法，其特征在于，对所述模型采用不同的参数重复训练。5.根据权利要求1或2所述的一种基于时间序列的温度预测方法，其特征在于，将模型转换为精简框架包括从TensorFlow转换到TensorFlow Lite，即tflite模型。6.根据权利要求5所述的一种基于时间序列的温度预测方法，其特征在于，所述模型在Arduino设备上运行时，再进行另...

【专利技术属性】
技术研发人员：朱翔宇，李锐，张晖，张立勇，
申请(专利权)人：山东浪潮科学研究院有限公司，
类型：发明
国别省市：