软水机用水量预测模型的训练方法及其系统技术方案

本发明专利技术公开一种软水机用水量预测模型的训练方法及其系统，其中所述方法包括：获取历史时间段内每天的用水量信息，所述每天的用水量信息包括：每天的日用水量数据和日历信息；根据所述每天的日用水量数据统计所述历史时间段内的预定时间段的每天的前m天的日用水量数据、以及所述预定时间段的每天的前A

【技术实现步骤摘要】
软水机用水量预测模型的训练方法及其系统


[0001]本专利技术涉及用水量预测技术，尤其涉及一种软水机用水量预测模型的训练方法及其系统。

技术介绍

[0002]软水机通过自动再生功能可恢复其软水能力。软水机的自动再生功能是指在每天固定的时间点，软水机根据预测当天的用水量判断软水装置是否需要与盐水置换出其从自来水中吸附的钙镁离子的功能。
[0003]目前用水量预测模型一般采用移动平均算法，例如七天移动平均算法，即通过当前日期前七天的日用水量计算前七天日用水量的平均值，并将前述平均值作为预测值，但该模型仅计算七天日用水量的平均值作为当前日期的预测值，选用的特征数据种类少、数据多样性低并且时间跨度小，使用水量预测模型的预测精度偏低，并且预测结果的精度无法随着数据量的增加而提高。

技术实现思路

[0004]本专利技术的主要目的在于提供一种软水机用水量预测模型的训练方法及其系统，以解决现有技术存在的不能够准确预测软水机用水量的问题。
[0005]根据本专利技术实施例提出一种软水机用水量预测模型的训练方法，其包括：获取历史时间段内每天的用水量信息，所述每天的用水量信息包括：每天的日用水量数据和日历信息；根据所述每天的日用水量数据统计所述历史时间段内的预定时间段的每天的前m天的日用水量数据、以及所述预定时间段的每天的前A
n
天的用水量数据统计值；其中，A
n
＝{a1,a2…
a
n
}，a
n
＝mn，m为7
‑/>10之间的自然数，n为3
‑
5之间的自然数；根据所述每天的用水量信息、所述每天的前m天的日用水量数据、以及所述每天的前A
n
天的用水量数据统计值，训练用水量预测模型。
[0006]其中，所述方法还包括：将所述预定时间段的每天的前m天的日用水量数据和所述预定时间段的每天的前An天的用水量数据统计值、以及每天的日历信息作为特征数据，将所述每天的用水量数据作为标签数据，训练所述用水量预测模型。
[0007]其中，所述方法还包括：选择相对应的所述特征数据和所述标签数据中的多数数据作为训练集、选择相对应所述特征数据和所述标签数据中的少数数据作为验证集，训练所述用水量预测模型。
[0008]其中，所述方法还包括：对所述用水量预测模型进行迭代处理，如果新的模型优于旧的模型则使用新的模型替换旧的模型。
[0009]其中，所述每天的日历信息包括：每天对应的年份、月份和日期，每天对应的年份中的第几天、第几周和第几季度，以及每天对应的是周几。
[0010]其中，所述用水量数据统计值包括：平均值、中位值和标准差。
[0011]其中，所述方法还包括：将当前日期的日历信息、当前日期的前m天的日用水量数
据、以及当前日期的前A
n
天的用水量数据统计值作为特征数据，通过所述用水量预测模型预测当前日期的用水量。
[0012]根据本专利技术实施例还提出一种软水机用水量预测模型的训练系统，其包括：数据获取模块，用于获取历史时间段内每天的用水量信息，所述每天的用水量信息包括：每天的日用水量数据和日历信息；数据统计模块，用于根据所述每天的日用水量数据统计所述历史时间段内的预定时间段的每天的前m天的日用水量数据、以及所述预定时间段的每天的前A
n
天的用水量数据统计值，其中，A
n
＝{a1,a2…
a
n
}，a
n
＝mn，m为7
‑
10之间的自然数，n为3
‑
5之间的自然数；预测模型训练模块，用于根据所述每天的日用水量信息、所述每天的前m天的日用水量数据、以及所述每天的前A
n
天的用水量数据统计值，训练用水量预测模型。
[0013]其中，所述预测模型训练模块，还用于将所述预定时间段的每天的前m天的日用水量数据和所述预定时间段的每天的前A
n
天的用水量数据统计值、以及每天的日历信息作为特征数据，将所述每天的用水量数据作为标签数据，训练所述用水量预测模型。
[0014]其中，所述预测模型训练模块，还用于选择相对应的所述特征数据和所述标签数据中的多数数据作为训练集、选择相对应所述特征数据和所述标签数据中的少数数据作为验证集，训练所述用水量预测模型。
[0015]根据本专利技术的技术方案，通过使用历史时间段内每天的日用水量数据、根据历史时间段内每天的日用水量数据计算得到的对应的统计量以及历史时间段内每天的日历信息，训练用水量预测模型，使用的特征数据种类多、时间跨度大，由此提高了用水量预测模型的预测精度。
附图说明
[0016]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0017]图1是根据本专利技术实施例的用水量预测模型的训练方法的流程图；
[0018]图2是根据本专利技术实施例的用水量预测模型的训练系统的结构框图。
具体实施方式
[0019]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术具体实施例及相应的附图对本专利技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0020]以下结合附图，详细说明本专利技术各实施例提供的技术方案。
[0021]参考图1，根据本专利技术实施例的用于软水机的用水量预测模型的训练方法，至少包括以下步骤：
[0022]步骤S102，获取历史时间段内每天的用水量信息，其中所述每天的用水量信息包括：每天的日用水量数据和日历信息。
[0023]在本步骤中，获取软水机在过去一段时间范围内的每天的用水量信息，一般来讲，需要获取一个较长时间段(例如以月或者年为单位)对应的真实用水量数据来训练模型。例如，获取13个月内的每一天的日用水量数据和每一天的日历信息。
[0024]在实际应用中，可以设置一个开始获取用水量的触发日期，软水机的触发日期是指软水机预先设定的训练和迭代用水量预测模型的日期。软水机不仅可以预先设定训练和迭代用水量预测模型的日期，还可以预先设定每天启动自动再生功能的时间点。在本申请实施例中，为了避免影响正常用水，可以将软水机启动自动再生功能的时间点设置在不(常)使用软水机的时点，例如每天凌晨三点，那么软水机的历史日用水量数据为13个月内的每天凌晨三点至次日凌晨三点前之间的用水量。
[0025]在本步骤中，所述每天的用水量信息还包括与每天的用水量数据相对应的每天的日历信息，例如所述每天的日历信息可以包括：触发日期前13个月内每一天的年份(t
year
)、月份(t
month
)和日期(t
day本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种软水机用水量预测模型的训练方法，其特征在于，包括：获取历史时间段内每天的用水量信息，所述每天的用水量信息包括：每天的日用水量数据和日历信息；根据所述每天的日用水量数据统计所述历史时间段内的预定时间段的每天的前m天的日用水量数据、以及所述预定时间段的每天的前A
n
天的用水量数据统计值；其中，A
n
＝{a1,a2…
a
n
}，a
n
＝mn，m为7
‑
10之间的自然数，n为3
‑
5之间的自然数；根据所述每天的用水量信息、所述每天的前m天的日用水量数据、以及所述每天的前A
n
天的用水量数据统计值，训练用水量预测模型。2.根据权利要求1所述的软水机用水量预测模型的训练方法，其特征在于，还包括：将所述预定时间段的每天的前m天的日用水量数据和所述预定时间段的每天的前A
n
天的用水量数据统计值、以及每天的日历信息作为特征数据，将所述每天的用水量数据作为标签数据，训练所述用水量预测模型。3.根据权利要求2所述的软水机用水量预测模型的训练方法，其特征在于，还包括：选择相对应的所述特征数据和所述标签数据中的多数数据作为训练集、选择相对应所述特征数据和所述标签数据中的少数数据作为验证集，训练所述用水量预测模型。4.根据权利要求1所述的软水机用水量预测模型的训练方法，其特征在于，还包括：对所述用水量预测模型进行迭代处理，如果新的模型优于旧的模型则使用新的模型替换旧的模型。5.根据权利要求1所述的软水机用水量预测模型的训练方法，其特征在于，所述每天的日历信息包括：每天对应的年份、月份和日期，每天对应的年份中的第几天、第几周和第几季度，以及每天对应的是周几。6.根据权利要求1所述的软水机用水量预测模型的训练方法，所述用水量数据统...

【专利技术属性】
技术研发人员：蒋宗润，申圣利，杨如清，张钰，王昭，
申请(专利权)人：昆山怡口净水系统有限公司，
类型：发明
国别省市：