CN110619414A - 时间预测方法、装置及计算机存储介质 - Google Patents

时间预测方法、装置及计算机存储介质 Download PDF

Info

Publication number
CN110619414A
CN110619414A CN201810638679.5A CN201810638679A CN110619414A CN 110619414 A CN110619414 A CN 110619414A CN 201810638679 A CN201810638679 A CN 201810638679A CN 110619414 A CN110619414 A CN 110619414A
Authority
CN
China
Prior art keywords
time
weight
correlation coefficient
factor
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810638679.5A
Other languages
English (en)
Other versions
CN110619414B (zh
Inventor
梁德锋
肖群虎
范志荣
孟德龙
曾成鑫
尹二强
唐润敏
杨应彬
陈炽锵
周宗旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Shunde Midea Electrical Heating Appliances Manufacturing Co Ltd
Original Assignee
Foshan Shunde Midea Electrical Heating Appliances Manufacturing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Foshan Shunde Midea Electrical Heating Appliances Manufacturing Co Ltd filed Critical Foshan Shunde Midea Electrical Heating Appliances Manufacturing Co Ltd
Priority to CN201810638679.5A priority Critical patent/CN110619414B/zh
Publication of CN110619414A publication Critical patent/CN110619414A/zh
Application granted granted Critical
Publication of CN110619414B publication Critical patent/CN110619414B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Cookers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种时间预测方法、装置及计算机存储介质。其中，方法包括：获取至少一个时间影响因素的数据值；根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。

Description

时间预测方法、装置及计算机存储介质
技术领域
本发明涉及家电设备技术领域，尤其涉及一种时间预测方法、装置及计算机存储介质。
背景技术
由于影响烹饪时间的因素众多，目前，尚不能精确地估计烹饪器具(例如，电饭煲)的烹饪时长，这导致用户无法准确地得出烹饪(例如，煮饭)所需的时间，有碍于用户更好地做出各项时间安排。
发明内容
为解决现有存在的技术问题，本发明实施例提供一种时间预测方法、装置及计算机存储介质。
为达到上述目的，本发明实施例的技术方案是这样实现的：
本发明实施例提供了一种时间预测方法，包括：
获取至少一个时间影响因素的数据值；
根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。
上述方案中，所述根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时，包括：
根据各时间影响因素的数据值得到对应各时间影响因素的预估时间；
根据所述预估时间和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。
上述方案中，所述根据所述预估时间和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时，包括：
计算所述预估时间与所述时间影响因素对应的相关性系数的乘积；
将所述乘积求和后的和值，确定为家电设备的所述工作耗时。
上述方案中，所述对应于所述时间影响因素的相关性系数的确定过程，包括：
获取至少一条满足筛选条件的历史记录，所述历史记录中记录有工作耗时和所述时间影响因素的数据值；
基于所述时间影响因素的数据值，计算所述时间影响因素与记录的所述工作耗时的相关性系数。
上述方案中，所述历史记录中记录的时间影响因素的数据值为候选时间影响因素的数据值；
所述获取至少一个时间影响因素的数据值之前，还包括：根据所述相关性系数，从所述候选时间影响因素中确定满足设定条件的候选时间影响因素为时间影响因素。
上述方案中，所述计算所述时间影响因素与记录的所述工作耗时的相关性系数，包括：
提取所述历史记录中的工作耗时，形成工作耗时数据集；
提取所述历史记录中所述时间影响因素的数据值，形成所述时间影响因素对应的时间影响因素数据集；
根据所述时间影响因素数据集与所述工作耗时数据集，得到所述时间影响因素与记录的所述工作耗时的相关性系数。
上述方案中，所述根据所述相关性系数，从所述候选时间影响因素中确定满足设定条件的候选时间影响因素为时间影响因素，包括：
按所述相关性系数的大小对对应的所述候选时间影响因素进行排序；
将设定数量的、对应相关性系数大的候选时间影响因素确定为时间影响因素。
本发明实施例又提供了一种时间预测方法，包括：
接收到针对烹饪设备的烹饪功能设置信息；
接收移动终端发送的目标称重请求，基于所述目标称重请求，获取所述移动终端的位置信息；
基于所述目标称重请求，向智能称发送称重指令，接收所述智能称基于所述称重指令发出的目标称重物的重量；
基于所述烹饪功能设置信息、所述位置信息和所述目标称重物的重量，确定所述烹饪设备的至少一个时间影响因素的数据值；
根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到所述烹饪设备的工作耗时。
本发明实施例还提供了一种数据获取方法，所述方法包括：
接收服务器发送的称重指令；
按照设定提示顺序发出称重物放置提示，获取各称重物的重量；
根据各称重物的重量，计算至少一个目标称重物的重量；
将所述目标称重物的重量发送至所述服务器；
接收所述服务器基于用户推荐请求发出的指定目标称重物的推荐重量；
确定所述指定目标称重物的重量与所述推荐重量的差值的绝对值小于设定重量阈值时，发出匹配完成提示；
将匹配完成的所述指定目标称重物的重量发送至所述服务器。
上述方案中，所述指定目标称重物的重量与所述推荐重量的差值大于设定重量阈值时，发出减量提示；
所述推荐重量与所述指定目标称重物的重量的差值大于设定重量阈值时，发出增量提示。
本发明实施例还提供了一种时间预测装置，所述装置包括：
数据获取单元，用于获取至少一个时间影响因素的数据值；
耗时预测单元，用于根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。
本发明实施例还提供了一种数据获取装置，所述装置包括：
指令接收单元，用于接收服务器发送的称重指令；
目标称重单元，用于按照设定提示顺序发出称重物放置提示，获取各称重物的重量；
目标计算单元，用于根据各称重物的重量，计算至少一个目标称重物的重量；
数据发送单元，用于将所述目标称重物的重量发送至所述服务器；
重量推荐单元，用于接收所述服务器基于用户推荐请求发出的指定目标称重物的推荐重量；确定所述指定目标称重物的重量与所述推荐重量的差值的绝对值小于设定重量阈值时，发出匹配完成提示；将所述匹配完成的指定目标称重物的重量发送至所述服务器。
本发明实施例还提供了一种时间预测装置，所述装置包括：第一处理器和用于存储能够在第一处理器上运行的计算机程序的第一存储器；
其中，所述第一处理器用于运行所述计算机程序时，执行上述时间预测装置任一方法的步骤。
本发明实施例还提供了一种数据获取装置，所述装置包括：第二处理器和用于存储能够在第二处理器上运行的计算机程序的第二存储器；
其中，所述第二处理器用于运行所述计算机程序时，执行上述数据获取装置任一方法的步骤。
本发明实施例还提供了一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述时间预测装置任一方法的步骤，或实现上述数据获取装置任一方法的步骤。
本发明实施例提供一种时间预测方法、装置及计算机存储介质，获取至少一个时间影响因素的数据值；根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时，其中，所述相关性系数用于表明时间影响因素与工作耗时的相关性，相关性系数越大，则时间影响因素对工作耗时的相关程度越大，根据家电设备的时间影响因素和对应于时间影响因素的相关性系数对工作耗时进行预测，可以获得家电设备的准确的工作耗时，方便用户对家电设备的工作时间做出统筹安排，使家电设备的启动和运行在时间上更为合理。
附图说明
图1为本发明实施例提供的一种时间预测方法流程图；
图2为本发明实施例提供的另一种时间预测方法流程图；
图3为本发明实施例提供的数据获取方法流程图；
图4为本发明实施例提供的烹饪设备时间预测***结构示意图；
图5为本发明实施例提供的烹饪设备时间预测过程示意图；
图6为本发明实施例提供的时间预测装置的结构示意图；
图7为本发明实施例提供的数据获取装置的结构示意图；
图8为本发明实施例提供的时间预测装置硬件结构示意图；
图9为本发明实施例提供的数据获取装置硬件结构示意图；
图10为本发明实施例提供的时间预测***结构示意图。
具体实施方式
下面结合附图及实施例对本发明再作进一步详细的描述。
本发明实施例提供一种时间预测方法，应用于时间预测装置，如图1所述，该方法包括：
步骤101：获取至少一个时间影响因素的数据值；
步骤102：根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。
这里，所述相关性系数用于表明时间影响因素与工作耗时的相关性，相关性系数越大，则时间影响因素对工作耗时的相关程度越大，根据家电设备的时间影响因素和对应于时间影响因素的相关性系数对工作耗时进行预测，可以获得家电设备的准确的工作耗时，方便用户对家电设备的工作时间做出统筹安排，使家电设备的启动和运行在时间上更为合理。
在一些实施例中，所述根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时，包括：
根据各时间影响因素的数据值得到对应各时间影响因素的预估时间；
根据所述预估时间和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。
其中，所述根据所述预估时间和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时，包括：
计算所述预估时间与所述时间影响因素对应的相关性系数的乘积；
将所述乘积求和后的和值，确定为家电设备的所述工作耗时。
本实施例中，在对家电设备的工作耗时进行预测时，首先，确定家电设备当前工作环境的各时间影响因素的数据值，以历史数据为依据，从历史数据中匹配出与各时间影响因素的数据值相对应的历史记录，将历史记录中记录的工作耗时确定为预估时间，此外，若从历史数据中匹配出的历史记录不止一条，则可以将多条历史记录中记录的工作耗时的均值确定为预估时间，其中，所述历史数据中包含至少一条历史记录；然后，计算预估时间分别与各时间影响因素对应的相关性系数的乘积；最后，将各乘积求和后的和值确定为家电设备的工作耗时。具体地，如果时间影响因素依次为A、B、C，A的数据值为a且相关性系数为λ1，B的数据值为b且相关性系数为λ2，C的数据值为c且相关性系数为λ3，则在进行工作耗时预测时，首先，从历史数据中匹配出与A的数据值为a、B的数据值为b且C的数据值为c相同或相近的历史记录，将该历史记录中记录的工作耗时确定为预估时间T；然后，分别计算预估时间T与相关性系数λ1的乘积λ1T、预估时间T与相关性系数λ2的乘积λ2T和预估时间T与相关性系数λ3的乘积λ3T；最后，将各乘积求和后的和值确定为工作耗时T*，具体地，T*＝λ1T+λ2T+λ3T。
在一些实施例中，所述对应于所述时间影响因素的相关性系数的确定过程，包括：获取至少一条满足筛选条件的历史记录，所述历史记录中记录有工作耗时和所述时间影响因素的数据值；
基于所述时间影响因素的数据值，计算所述时间影响因素与记录的所述工作耗时的相关性系数。
这里，确定时间影响因素的相关性系数为，确定指定时间影响因素的相关性系数，确定指定时间影响因素的相关性系数时，从历史数据中筛选出满足筛选条件的历史记录，其中，所述筛选条件可以为，除指定时间影响因素外的各其它时间影响因素的数据值等于对应于其它时间影响因素的设定值。本实施例中，筛选出的满足筛选条件的历史记录中，除指定时间影响因素外的各其它时间影响因素的数据值是固定的，且只有指定时间影响因素的数据值是变化的，如此，可以准确地确定所述指定时间影响因素与工作耗时的相关性，即，可以获得对应于所述指定时间影响因素的准确的相关性系数。其中，对应于其它时间影响因素的设定值可以根据当前工作环境进行设定，具体地，可以将其它时间影响因素的设定值设定为当前工作环境下其它时间影响因素的数据值，如此，可以使得所获得的指定时间影响因素的相关性系数，能够更准确地刻画出当前工作环境下指定时间影响因素与工作耗时的相关性，有助于更准确地对家电设备的工作耗时进行预测。举例来说，若时间影响因素依次为A、B、C，当前工作环境下A的数据值为a，B的数据值为b，C的数据值为c，则在确定A的相关性系数时，可以从历史数据中筛选出满足筛选条件“B的数据值为b且C的数据值为c”的历史记录，其中，对应于B的设定值为b且对应于C的设定值为c。此时，从历史数据中筛选出的历史记录中，B和C的数据值均为设定值，且只有A的数据值和记录的工作耗时是变化的，可以准确地确定A与工作耗时的相关性，从而获得对应于A的准确的相关性系数。
获取至少一条满足筛选条件的历史记录之后，所述计算所述时间影响因素与记录的所述工作耗时的相关性系数，包括：
提取所述历史记录中的工作耗时，形成工作耗时数据集；
提取所述历史记录中所述时间影响因素的数据值，形成所述时间影响因素对应的时间影响因素数据集；
根据所述时间影响因素数据集与所述工作耗时数据集，得到所述时间影响因素与记录的所述工作耗时的相关性系数。
其中，所述根据所述时间影响因素数据集与所述工作耗时数据集，得到所述时间影响因素与记录的所述工作耗时的相关性系数，包括：
将所述时间影响因素数据集与所述工作耗时数据集的协方差，确定为所述时间影响因素与所述工作耗时的相关性系数。
这里，由于筛选出的满足筛选条件的历史记录中，各其它时间影响因素的数据值等于对应于其它时间影响因素的设定值，即各其它时间影响因素的数据值为固定的，故可以通过对时间影响因素数据集和工作耗时数据集进行计算，获得准确的对应于时间影响因素的相关性系数。具体地，可以通过计算时间影响因素数据集与工作耗时数据集的协方差，确定时间影响因素与工作耗时的相关性系数，此时相关性系数的具体计算过程可以为其中，X＝{X1,X2,…,Xi,…,Xn}为一个时间影响因素对应的时间影响因素数据集，T＝{T1,T2,…,Ti,…,Tn}为工作耗时数据集，λ为该时间影响因素与工作耗时的相关性系数。举例来说，若一个时间影响因素为海拔，海拔对应的海拔数据集为H＝{H1,H2,…,Hi,…,Hn}，则海拔与工作耗时的相关性系数为
需要说明的是，本实施例中，可以通过计算时间影响因素数据集与工作耗时数据集的协方差，确定时间影响因素与工作耗时的相关性系数，也可以通过计算时间影响因素数据集与工作耗时数据集的方差、多元回归、标准差、一元回归等方式确定时间影响因素与工作耗时的相关性系数。
在一些实施例中，所述历史记录中记录的时间影响因素的数据值为候选时间影响因素的数据值；
所述获取至少一个时间影响因素的数据值之前，还包括：根据所述相关性系数，从所述候选时间影响因素中确定满足设定条件的候选时间影响因素为时间影响因素。
这里，由于影响家电设备的工作耗时的时间影响因素可以有非常多，各时间影响因素对工作耗时的影响各不相同，有的时间影响因素对工作耗时的影响很大，有的时间影响因素对工作耗时的影响则很小，甚至小到可以忽略不计，因此，经常需要从众多候选时间影响因素中确定出更为有效的时间影响因素。本实施例中，根据各时间影响因素的相关性系数的大小确定出更为有效的时间影响因素。
具体地，所述根据所述相关性系数，从所述候选时间影响因素中确定满足设定条件的候选时间影响因素为时间影响因素，包括：按所述相关性系数的大小对对应的所述候选时间影响因素进行排序；将设定数量的、对应相关性系数大的候选时间影响因素确定为时间影响因素。
这里，获得各候选时间影响因素对应的相关性系数后，根据各相关性系数的大小对各候选时间影响因素进行排序，其中，可以选择设定数量的(例如，7个)、对应相关性系数大的候选时间影响因素作为最终的时间影响因素，也可以选择对应相关性系数大于设定相关性阈值的候选时间影响因素作为最终的时间影响因素。
以上各步骤的处理具体可由时间预测装置来完成，所述时间预测装置可以是终端，也可以是服务器。其中，所述终端可以是智能手机、PDA、PAD等终端设备。
对应地，作为上述方法的一个具体应用，本发明实施例还提供了一种时间预测方法，应用于时间预测装置，所述时间预测装置设置在用于控制烹饪设备的服务器，采用上述时间预测装置任一方法，实现烹饪设备的工作耗时预测，如图2所示，该方法包括：
步骤201：接收到针对烹饪设备的烹饪功能设置信息；
步骤202：接收移动终端发送的目标称重请求，基于所述目标称重请求，获取所述移动终端的位置信息；
步骤203：基于所述目标称重请求，向智能称发送称重指令，接收所述智能称基于所述称重指令发出的目标称重物的重量；
步骤204：基于所述烹饪功能设置信息、所述位置信息和所述目标称重物的重量，确定所述烹饪设备的至少一个时间影响因素的数据值；
步骤205：根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到所述烹饪设备的工作耗时。
本实施例中，获取影响烹饪设备的工作耗时的至少一个时间影响因素的数据值，然后根据烹饪设备的各时间影响因素的数据值和对应于时间影响因素的相关性系数对烹饪设备的工作耗时进行预测，可以获得烹饪设备的准确的工作耗时，方便用户对烹饪设备的工作时间做出统筹安排，使烹饪设备的启动和运行在时间上更为合理。
本实施例中，烹饪设备基于用户输入的烹饪功能设置，生成针对烹饪设备的烹饪功能设置信息，将所述烹饪功能设置信息发送给时间预测装置；移动终端基于用户输入的针对烹饪功能的烹饪材料设置，生成目标称重请求，将所述目标称重请求发送给时间预测装置。
时间预测装置接收到烹饪设备发送的针对烹饪设备的烹饪功能设置信息和移动终端发送的目标称重请求后，首先，基于所述目标称重请求，获取所述移动终端的位置信息，其中，由于移动终端的位置与烹饪设备的位置相同或相近，故，可以将移动终端的位置信息确定为烹饪设备的位置信息；然后，基于所述目标称重请求，向智能称发送称重指令，再接收所述智能称基于所述称重指令发出的目标称重物的重量，这里，所述目标称重物为烹饪材料，其中所述烹饪材料可以包括，水、米等；然后，基于所述烹饪功能设置信息、所述位置信息和所述目标称重物的重量，确定所述烹饪设备的至少一个时间影响因素的数据值，这里，烹饪设备的时间影响因素可以包括，烹饪功能、各烹饪材料的重量、海拔、气压、环境温度、环境湿度等，其中，海拔、气压、环境温度、环境湿度分别对应的数据值可以通过位置信息从相关服务器查询获得；最后，根据时间影响因素和对应于所述时间影响因素的相关性系数，预测烹饪设备的准确的工作耗时，如此，可实现用户基于准确的工作耗时，从容安排手头事件，提升用户体验。具体地，本实施例中，烹饪设备可以是电饭煲，烹饪功能可以是煮饭、煮粥等。在烹饪设备为电饭煲时，所述时间影响因素可包括，海拔、气压、环境温度、环境湿度、米重量、水重量、烹饪功能。
在一些实施例中，所述根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到所述烹饪设备的工作耗时，包括：
根据各时间影响因素的数据值得到对应各时间影响因素的预估时间；
根据所述预估时间和对应于所述时间影响因素的相关性系数，得到所述烹饪设备的工作耗时。
其中，所述根据所述预估时间和对应于所述时间影响因素的相关性系数，得到所述烹饪设备的工作耗时，包括：
计算所述预估时间与所述时间影响因素对应的相关性系数的乘积；
将所述乘积求和后的和值，确定为所述烹饪设备的所述工作耗时。
本实施例中，在对烹饪设备的工作耗时进行预测时，首先，确定烹饪设备当前工作环境的各时间影响因素的数据值，以历史数据为依据，从历史数据中匹配出与各时间影响因素的数据值相对应的历史记录，将历史记录中记录的工作耗时确定为预估时间，此外，若从历史数据中匹配出的历史记录不止一条，则可以将多条历史记录中记录的工作耗时的均值确定为预估时间，其中，所述历史数据中包含至少一条历史记录；然后，计算预估时间分别与各时间影响因素对应的相关性系数的乘积；最后，将各乘积求和后的和值确定为烹饪设备的工作耗时。具体地，如果时间影响因素依次为A、B、C，A的数据值为a且相关性系数为λ1，B的数据值为b且相关性系数为λ2，C的数据值为c且相关性系数为λ3，则在进行工作耗时预测时，首先，从历史数据中匹配出与A的数据值为a、B的数据值为b且C的数据值为c相同或相近的历史记录，将该历史记录中记录的工作耗时确定为预估时间T；然后，分别计算预估时间T与相关性系数λ1的乘积λ1T、预估时间T与相关性系数λ2的乘积λ2T和预估时间T与相关性系数λ3的乘积λ3T；最后，将各乘积求和后的和值确定为工作耗时T*，具体地，T*＝λ1T+λ2T+λ3T。
在一些实施例中，所述对应于所述时间影响因素的相关性系数的确定过程，包括：
获取至少一条满足筛选条件的历史记录，所述历史记录中记录有工作耗时和所述时间影响因素的数据值；
基于所述时间影响因素的数据值，计算所述时间影响因素与记录的所述工作耗时的相关性系数。
这里，确定时间影响因素的相关性系数为，确定指定时间影响因素的相关性系数，确定指定时间影响因素的相关性系数时，从历史数据中筛选出满足筛选条件的历史记录，其中，所述筛选条件可以为，除指定时间影响因素外的各其它时间影响因素的数据值等于对应于其它时间影响因素的设定值。本实施例中，筛选出的满足筛选条件的历史记录中，除指定时间影响因素外的各其它时间影响因素的数据值是固定的，且只有指定时间影响因素的数据值是变化的，如此，可以准确地确定所述指定时间影响因素与工作耗时的相关性，即，可以获得对应于所述指定时间影响因素的准确的相关性系数。其中，对应于其它时间影响因素的设定值可以根据当前工作环境进行设定，具体地，可以将其它时间影响因素的设定值设定为当前工作环境下其它时间影响因素的数据值，如此，可以使得所获得的指定时间影响因素的相关性系数，能够更准确地刻画出当前工作环境下指定时间影响因素与工作耗时的相关性，有助于更准确地对家电设备的工作耗时进行预测。举例来说，若时间影响因素依次为A、B、C，当前工作环境下A的数据值为a，B的数据值为b，C的数据值为c，则在确定A的相关性系数时，可以从历史数据中筛选出满足筛选条件“B的数据值为b且C的数据值为c”的历史记录，其中，对应于B的设定值为b且对应于C的设定值为c。此时，从历史数据中筛选出的历史记录中，B和C的数据值均为设定值，且只有A的数据值和记录的工作耗时是变化的，可以准确地确定A与工作耗时的相关性，从而获得对应于A的准确的相关性系数。
获取至少一条满足筛选条件的历史记录之后，所述计算所述时间影响因素与记录的所述工作耗时的相关性系数，包括：
提取所述历史记录中的工作耗时，形成工作耗时数据集；
提取所述历史记录中所述时间影响因素的数据值，形成所述时间影响因素对应的时间影响因素数据集；
根据所述时间影响因素数据集与所述工作耗时数据集，得到所述时间影响因素与记录的所述工作耗时的相关性系数。
其中，所述根据所述时间影响因素数据集与所述工作耗时数据集，得到所述时间影响因素与记录的所述工作耗时的相关性系数，包括：
将所述时间影响因素数据集与所述工作耗时数据集的协方差，确定为所述时间影响因素与所述工作耗时的相关性系数。
这里，由于筛选出的满足筛选条件的历史记录中，各其它时间影响因素的数据值等于对应于其它时间影响因素的设定值，即各其它时间影响因素的数据值为固定的，故可以通过对时间影响因素数据集和工作耗时数据集进行计算，获得准确的对应于时间影响因素的相关性系数。具体地，可以通过计算时间影响因素数据集与工作耗时数据集的协方差，确定时间影响因素与工作耗时的相关性系数，此时相关性系数的具体计算过程可以为其中，X＝{X1,X2,…,Xi,…,Xn}为一个时间影响因素对应的时间影响因素数据集，T＝{T1,T2,…,Ti,…,Tn}为工作耗时数据集，λ为该时间影响因素与工作耗时的相关性系数。举例来说，若一个时间影响因素为海拔，海拔对应的海拔数据集为H＝{H1,H2,…,Hi,…,Hn}，则海拔与工作耗时的相关性系数为
需要说明的是，本实施例中，可以通过计算时间影响因素数据集与工作耗时数据集的协方差，确定时间影响因素与工作耗时的相关性系数，也可以通过计算时间影响因素数据集与工作耗时数据集的方差、多元回归、标准差、一元回归等方式确定时间影响因素与工作耗时的相关性系数。
在一些实施例中，所述历史记录中记录的时间影响因素的数据值为候选时间影响因素的数据值；
所述获取至少一个时间影响因素的数据值之前，还包括：根据所述相关性系数，从所述候选时间影响因素中确定满足设定条件的候选时间影响因素为时间影响因素。
这里，由于影响所述烹饪设备的工作耗时的时间影响因素可以有非常多，各时间影响因素对工作耗时的影响各不相同，有的时间影响因素对工作耗时的影响很大，有的时间影响因素对工作耗时的影响则很小，甚至小到可以忽略不计，因此，经常需要从众多候选时间影响因素中确定出更为有效的时间影响因素。本实施例中，根据各时间影响因素的相关性系数的大小确定出更为有效的时间影响因素。
具体地，所述根据所述相关性系数，从所述候选时间影响因素中确定满足设定条件的候选时间影响因素为时间影响因素，包括：
按所述相关性系数的大小对对应的所述候选时间影响因素进行排序；
将设定数量的、对应相关性系数大的候选时间影响因素确定为时间影响因素。
这里，获得各候选时间影响因素对应的相关性系数后，根据各相关性系数的大小对各候选时间影响因素进行排序，其中，可以选择设定数量的(例如，7个)、对应相关性系数大的候选时间影响因素作为最终的时间影响因素，也可以选择对应相关性系数大于设定相关性阈值的候选时间影响因素作为最终的时间影响因素。
以上各步骤的处理具体可由时间预测装置来完成，所述时间预测装置可以是终端，也可以是服务器。其中，所述终端可以是智能手机、PDA、PAD等终端设备。
对应地，本发明实施例还提供了一种数据获取方法，应用于数据获取装置，所述数据获取装置设置在智能称，如图3所示，方法包括：
步骤301：接收服务器发送的称重指令；
步骤302：按照设定提示顺序发出称重物放置提示，获取各称重物的重量；
步骤303：根据各称重物的重量，计算至少一个目标称重物的重量；
步骤304：将所述目标称重物的重量发送至所述服务器；
步骤305：接收所述服务器基于用户推荐请求发出的指定目标称重物的推荐重量；
步骤306：确定所述指定目标称重物的重量与所述推荐重量的差值的绝对值小于设定重量阈值时，发出匹配完成提示；
步骤307：将匹配完成的所述指定目标称重物的重量发送至所述服务器。
这里，智能称接收到服务器的称重指令后，进入到称重状态，按照设定提示顺序发出称重物放置提示，其中，称重物放置提示的顺序为对应于烹饪功能的烹饪材料的称重顺序。举例来说，若烹饪功能为煮饭，则称重物放置提示的顺序可以依次为，放置容器—放置容器和米—放置容器、米和水，如此，可通过计算，获得米的重量、水的重量，其中，米和水为目标称重物。
另外，在用户对烹饪材料的量(例如，煮饭用水量)把握不准时，可以基于移动终端向服务器发送用户推荐请求；随后，服务器基于用户推荐请求确定指定目标称重物及对应的推荐重量，且将指定目标称重物的推荐重量发送给智能称；然后，智能称依据指定目标称重物的推荐重量，对指定目标称重物进行称重，其中，在称重过程中，智能称给出称重物放置提示，以提示用户将指定目标称重物放置于智能称上。
具体地，确定所述指定目标称重物的重量与所述推荐重量的差值的绝对值小于设定重量阈值时，发出匹配完成提示；
所述指定目标称重物的重量与所述推荐重量的差值大于设定重量阈值时，发出减量提示；
所述推荐重量与所述指定目标称重物的重量的差值大于设定重量阈值时，发出增量提示。
这里，在智能称检测到称重物的重量大于推荐重量且二者的差值大于重量阈值时，发出减量提示，在称重物的重量小于推荐重量且二者的差值的绝对值大于重量阈值时，发出增量提示，在称重物的重量与推荐重量的差值的绝对值小于设定重量阈值时，发出匹配完成提示，另外，将匹配完成的指定目标称重物的重量发送至服务器。
以上各步骤的处理具体可由数据获取装置来完成，所述数据获取装置为智能称。
如图4所示，本实施例中，智能称可以具备以下模块：重量传感器：用于测量物体重量；通讯模块：用于与服务器进行数据交互；提示模块：用于对称重状态进行提示，其中，所述提示模块可以是灯，喇叭，电机等，此外，可以通过灯的颜色，灯光闪烁频率，喇叭的声音，电机震动等方式对不同的称重状态进行提示。
下面结合应用实施例对本发明再作详细的描述。
本应用实施例中，烹饪设备的工作耗时预测过程，包括以下步骤：
1)移动终端基于用户点击的针对煮饭功能的‘米量水量计算’选项，生成目标称重请求，将所述目标称重请求发送给服务器，以使服务器通知智能称进入‘米量水量计算’的状态。
2)服务器接收移动终端发送的目标称重请求，基于目标称重请求，获取移动终端的位置信息，这里，由于移动终端的位置与烹饪设备的位置相同或相近，故，可以将移动终端的位置信息确定为烹饪设备的位置信息。另外，基于目标称重请求，服务器向智能称发送称重指令，以使智能称进入称重状态。
3)智能称接收到服务器发送的称重指令，进入称重状态，按照设定提示顺序发出称重物放置提示，首先，提示用户把空容器(例如，饭锅)放在智能称的重力传感器上，以测量容器重量weight_empty；然后，提示用户可以往容器中添加米，以测量‘米+容器’重量weight_full，其中，若测得容器重量和‘米+容器’重量，则智能称可以实时地计算当前容器中的米重量weight_rice，米重量的计算公式为：weight_rice＝weight_full-weight_empty；最后，提示用户把洗过的米和添加的水，放置在智能称上测量，可以测得‘米+容器+水’重量weight_current，从而智能称可以实时地计算当前容器中的水重量weight_water，水重量的计算公式为：weight_water＝weight_current-weight_empty-weight_rice。
另外，若用户不知道水的重量是否合适，则可以通过移动终端向服务器发送用户推荐请求，如此，服务器可以基于用户推荐请求向智能称发送推荐水重量weight_suitable。智能称接收到服务器发送的推荐水重量，将当前水重量和推荐水重量做比较，若当前水重量大于推荐水重量且二者的差值大于重量阈值，则认为weight_water>weight_suitable，如图4所示，智能称、具体为智能称中的提示模块，提示用户减少水量；若当前水重量小于推荐水重量且二者的差值的绝对值大于重量阈值，则认为weight_water<weight_suitable，智能称、具体为智能称中的提示模块，提示用户增加水量，此外，若当前水重量与推荐水重量的差值的绝对值小于设定重量阈值，则认为，weight_water＝weight_suitable，此时智能称、具体为智能称中的提示模块提示用户进行下一步操作。另外，若智能称检测到容器被拿走，则智能称中的通讯模块把当前容器中的米重量weight_rice和水重量weight_water发送给服务器。
4)烹饪设备接收用户输入的烹饪功能(例如，煮饭，熬粥，煲汤等)设置，基于用户输入的烹饪功能设置生成针对烹饪设备的烹饪功能设置信息，烹饪设备中的通讯模块将烹饪功能设置信息发送给服务器，其中，所述烹饪功能设置信息中包含工作开始时间time_start。这里，如图4所示，烹饪设备具备以下模块：通讯模块：用于与服务器进行数据交互；输入模块：用于获取用户输入的烹饪功能设置，其中，所述输入模块可以是按键、功能面板；加热模块：用于根据烹饪功能加热，其中，不同的烹饪功能对应不同的加热功率；显示模块：用于显示当前烹饪任务的完成时间，其中，完成时间＝当前时间+工作耗时，所述完成时间用于标识完成当前烹饪任务的具体时刻。
5)服务器先基于移动终端的位置信息，获得所述位置信息的当前区域的海拔、气压、环境温度、环境湿度等，具体可以为该服务器到其他应用服务器中获取前述信息；再基于烹饪设备的烹饪功能设置信息确定功率调节策略；最后将影响烹饪设备的工作耗时的时间影响因素的数据值输入大数据分析模型，计算出一个与烹饪设备当前工作环境相匹配的工作耗时。服务器把这个工作耗时发送给烹饪设备和移动终端。这里，如图5所示，大数据分析模型用于获取至少一个时间影响因素的数据值；根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到所述烹饪设备的工作耗时。具体地，本实施例中，服务器的大数据分析模型在对烹饪设备的工作耗时进行预测时，首先，确定烹饪设备当前工作环境的各时间影响因素的数据值，以历史数据为依据，从历史数据中匹配出与各时间影响因素的数据值相对应的历史记录，将历史记录中记录的工作耗时确定为预估时间，此外，若从历史数据中匹配出的历史记录不止一条，则可以将多条历史记录中记录的工作耗时的均值确定为预估时间，其中，所述历史数据中包含至少一条历史记录；然后，计算预估时间分别与各时间影响因素对应的相关性系数的乘积；最后，将各乘积求和后的和值确定为烹饪设备的工作耗时。
6)烹饪结束后，烹饪设备、具体为烹饪设备中的通讯模块把工作结束时间time_end发送给服务器。
7)服务器基于烹饪设备发送的工作结束时间和工作开始时间，算出真实的工作时长time_work，其中，工作时长的计算公式为：time_work＝time_end-time_start。如此，服务器可以记录本次烹饪的各时间影响因素的数据值以及真实的工作耗时，从而可以通过新记录的数据修正大数据分析模型。
为实现本发明实施例的时间预测方法，本发明实施例还提供了一种时间预测装置，如图6所示，所述时间预测装置包括：数据获取单元601、耗时预测单元602；其中，
数据获取单元601，用于获取至少一个时间影响因素的数据值；
耗时预测单元602，用于根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。
在一些实施例中，耗时预测单元602，具体用于：
根据各时间影响因素的数据值得到对应各时间影响因素的预估时间；
根据所述预估时间和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。
在一些实施例中，所述根据所述预估时间和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时，包括：
计算所述预估时间与所述时间影响因素对应的相关性系数的乘积；
将所述乘积求和后的和值，确定为家电设备的所述工作耗时。
在一些实施例中，所述对应于所述时间影响因素的相关性系数的确定过程，包括：
获取至少一条满足筛选条件的历史记录，所述历史记录中记录有工作耗时和所述时间影响因素的数据值；
基于所述时间影响因素的数据值，计算所述时间影响因素与记录的所述工作耗时的相关性系数。
在一些实施例中，还包括因素确定单元，用于根据所述相关性系数，从所述候选时间影响因素中确定满足设定条件的候选时间影响因素为时间影响因素。
在一些实施例中，所述计算所述时间影响因素与记录的所述工作耗时的相关性系数，包括：
提取所述历史记录中的工作耗时，形成工作耗时数据集；
提取所述历史记录中所述时间影响因素的数据值，形成所述时间影响因素对应的时间影响因素数据集；
根据所述时间影响因素数据集与所述工作耗时数据集，得到所述时间影响因素与记录的所述工作耗时的相关性系数。
在一些实施例中，所述根据所述相关性系数，从所述候选时间影响因素中确定满足设定条件的候选时间影响因素为时间影响因素，包括：
按所述相关性系数的大小对对应的所述候选时间影响因素进行排序；
将设定数量的、对应相关性系数大的候选时间影响因素确定为时间影响因素。
实际应用时，所述数据获取单元601可由时间预测装置的第一处理器结合第一通信接口实现，所述耗时预测单元602可由时间预测装置的第一处理器实现。
需要说明的是：上述实施例提供的时间预测装置在进行时间预测时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述各程序模块的处理分配由不同的程序模块完成，即将时间预测装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的时间预测装置与时间预测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
为实现本发明实施例的数据获取方法，本发明实施例还提供了一种数据获取装置，如图7所示，所述数据获取装置包括：指令接收单元701、目标称重单元702、目标计算单元703、数据发送单元704和重量推荐单元705；其中，
指令接收单元701，用于接收服务器发送的称重指令；
目标称重单元702，用于按照设定提示顺序发出称重物放置提示，获取各称重物的重量；
目标计算单元703，用于根据各称重物的重量，计算至少一个目标称重物的重量；
数据发送单元704，用于将所述目标称重物的重量发送至所述服务器；
重量推荐单元705，用于接收所述服务器基于用户推荐请求发出的指定目标称重物的推荐重量；确定所述指定目标称重物的重量与所述推荐重量的差值的绝对值小于设定重量阈值时，发出匹配完成提示；将所述匹配完成的指定目标称重物的重量发送至所述服务器。
所述数据获取装置位于智能称时，通过智能称的通讯模块接收服务器发送的称重指令；通过智能称的通讯模块将所述目标称重物的重量发送至所述服务器；通过智能称的通讯模块接收所述服务器基于用户推荐请求发出的指定目标称重物的推荐重量；以及通过智能称的通讯模块将所述匹配完成的指定目标称重物的重量发送至所述服务器。将按照设定提示顺序发出的称重物放置提示发送给智能称的提示模块，以通过智能称的提示模块将称重物放置提示呈现给用户，提示用户按照提示放置称重物；以及将匹配完成提示发送给智能称的提示模块，以通过智能称的提示模块将匹配完成提示呈现给用户，提示用户匹配已完成。通过智能称的重量传感器获取各称重物的重量。
实际应用时，所述指令接收单元701、数据发送单元704和重量推荐单元705可由数据获取装置的第二处理器结合第二通信接口实现，所述目标称重单元702和目标计算单元703可由数据获取装置的第二处理器实现。
需要说明的是：上述实施例提供的数据获取装置在进行数据获取时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述各程序模块的处理分配由不同的程序模块完成，即将数据获取装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的数据获取装置与数据获取方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
为了实现本发明实施例时间预测装置侧的时间预测方法，本发明实施例还提供了一种基于硬件实现的时间预测装置，具体为服务器，如图8所示，该时间预测装置810包括：第一处理器801和用于存储能够在处理器上运行的计算机程序的第一存储器802，其中，所述第一处理器801用于运行所述计算机程序时，执行：
获取至少一个时间影响因素的数据值；
根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。
在一些实施例中，所述第一处理器801还用于运行所述计算机程序时，执行：
根据各时间影响因素的数据值得到对应各时间影响因素的预估时间；
根据所述预估时间和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。
在一些实施例中，所述第一处理器801还用于运行所述计算机程序时，执行：
计算所述预估时间与所述时间影响因素对应的相关性系数的乘积；
将所述乘积求和后的和值，确定为家电设备的所述工作耗时。
在一些实施例中，所述第一处理器801还用于运行所述计算机程序时，执行：
获取至少一条满足筛选条件的历史记录，所述历史记录中记录有工作耗时和所述时间影响因素的数据值；
基于所述时间影响因素的数据值，计算所述时间影响因素与记录的所述工作耗时的相关性系数。
在一些实施例中，所述第一处理器801还用于运行所述计算机程序时，执行：
根据所述相关性系数，从所述候选时间影响因素中确定满足设定条件的候选时间影响因素为时间影响因素。
在一些实施例中，所述第一处理器801还用于运行所述计算机程序时，执行：
提取所述历史记录中的工作耗时，形成工作耗时数据集；
提取所述历史记录中所述时间影响因素的数据值，形成所述时间影响因素对应的时间影响因素数据集；
根据所述时间影响因素数据集与所述工作耗时数据集，得到所述时间影响因素与记录的所述工作耗时的相关性系数。
在一些实施例中，所述第一处理器801还用于运行所述计算机程序时，执行：
按所述相关性系数的大小对对应的所述候选时间影响因素进行排序；
将设定数量的、对应相关性系数大的候选时间影响因素确定为时间影响因素。
上述实施例提供的时间预测装置与时间预测装置侧的时间预测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
当然，实际应用时，如图8所示，该时间预测装置还可以包括至少一个第一通信接口803。时间预测装置中的各个组件通过第一总线***804耦合在一起。可理解，第一总线***804用于实现这些组件之间的连接通信。第一总线***804除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图8中将各种总线都标为第一总线***804。
其中，第一通信接口803，用于与其它设备进行交互。
具体来说，所述第一处理器801可以通过第一通信接口803获取至少一个时间影响因素的数据值。
可以理解，第一存储器802可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read OnlyMemory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的第一存储器802旨在包括但不限于这些和任意其它适合类型的存储器。
本发明实施例中的第一存储器802用于存储各种类型的数据以支持时间预测装置的操作。
上述本发明实施例揭示的方法可以应用于第一处理器801中，或者由第一处理器801实现。第一处理器801可能是一种集成电路芯片，具有信号的处理能力，更具体地，内置有时间预测算法，即具有时间预测能力。在实现过程中，上述方法的各步骤可以通过第一处理器801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的第一处理器801可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。第一处理器801可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于计算机存储介质中，该计算机存储介质位于第一存储器802，第一处理器801读取第一存储器802中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，时间预测装置可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或其他电子元件实现，用于执行前述方法。
为了实现本发明实施例数据获取装置侧的数据获取方法，本发明实施例还提供了一种基于硬件实现的数据获取装置，具体为智能称，如图9所示，该数据获取装置910包括：第二处理器901和用于存储能够在处理器上运行的计算机程序的第二存储器902，其中，所述第二处理器901用于运行所述计算机程序时，执行：
接收服务器发送的称重指令；
按照设定提示顺序发出称重物放置提示，获取各称重物的重量；
根据各称重物的重量，计算至少一个目标称重物的重量；
将所述目标称重物的重量发送至所述服务器；
接收所述服务器基于用户推荐请求发出的指定目标称重物的推荐重量；
确定所述指定目标称重物的重量与所述推荐重量的差值的绝对值小于设定重量阈值时，发出匹配完成提示；
将匹配完成的所述指定目标称重物的重量发送至所述服务器。
需要说明的是：上述实施例提供的数据获取装置与数据获取装置侧的数据获取方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
当然，实际应用时，如图9所示，该通信设备还可以包括至少一个第二通信接口903。通信设备中的各个组件通过第二总线***904耦合在一起。可理解，第二总线***904用于实现这些组件之间的连接通信。第二总线***904除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图9中将各种总线都标为第二总线***904。
其中，第二通信接口903，用于与其它设备进行交互。
具体来说，所述第二处理器901可以通过第二通信接口903接收服务器发送的称重指令，通过第二通信接口903将所述目标称重物的重量发送至所述服务器，通过第二通信接口903接收所述服务器基于用户推荐请求发出的指定目标称重物的推荐重量，以及通过第二通信接口903将匹配完成的所述指定目标称重物的重量发送至所述服务器。
可以理解，第二存储器902可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是ROM、PROM、EPROM、EEPROM、FRAM、Flash Memory、磁表面存储器、光盘、或CD-ROM；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是RAM，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如SRAM、SSRAM、DRAM、SDRAM、DDRSDRAM、ESDRAM、SLDRAM、DRRAM。本发明实施例描述的第二存储器902旨在包括但不限于这些和任意其它适合类型的存储器。
本发明实施例中的第二存储器902用于存储各种类型的数据以支持通信设备的操作。
上述本发明实施例揭示的方法可以应用于第二处理器901中，或者由第二处理器901实现。第二处理器901可能是一种集成电路芯片，具有信号的处理能力，更具体地，内置有数据获取算法，即具有数据获取能力。在实现过程中，上述方法的各步骤可以通过第二处理器901中的硬件的集成逻辑电路或者软件形式的指令完成。上述的第二处理器901可以是通用处理器、DSP，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。第二处理器901可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于计算机存储介质中，该计算机存储介质位于第二存储器902，第二处理器901读取第二存储器902中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，通信设备可以被一个或多个ASIC、DSP、PLD、CPLD、FPGA、通用处理器、控制器、MCU、Microprocessor、或其他电子元件实现，用于执行前述方法。
本发明实施例还提供了一种时间预测***，如图10所示，该***包括：
服务器1010，用于接收到针对烹饪设备的烹饪功能设置信息；接收移动终端发送的目标称重请求，基于所述目标称重请求，获取所述移动终端的位置信息；基于所述目标称重请求，向智能称发送称重指令；
智能称1020，用于接收服务器发送的称重指令；按照设定提示顺序发出称重物放置提示，获取各称重物的重量；根据各称重物的重量，计算至少一个目标称重物的重量；将所述目标称重物的重量发送至所述服务器；接收所述服务器基于用户推荐请求发出的指定目标称重物的推荐重量；确定所述指定目标称重物的重量与所述推荐重量的差值的绝对值小于设定重量阈值时，发出匹配完成提示；将匹配完成的所述指定目标称重物的重量发送至所述服务器；
服务器1010，还用于接收所述智能称基于所述称重指令发出的目标称重物的重量；基于所述烹饪功能设置信息、所述位置信息和所述目标称重物的重量，确定所述烹饪设备的至少一个时间影响因素的数据值；根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到所述烹饪设备的工作耗时。
需要说明的是：服务器1010及智能称1020的具体处理过程已在上文详述，这里不再赘述。
在示例性实施例中，本发明实施例还提供了一种计算机存储介质，具体为计算机可读存储介质，例如包括存储计算机程序的第一存储器802，上述计算机程序可由时间预测装置810的第一处理器801执行，以完成前述方法所述步骤。再比如包括存储计算机程序的第二存储器902，上述计算机程序可由数据获取装置910的第二处理器901执行，以完成前述方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。
需要说明的是：本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (15)

1.一种时间预测方法，其特征在于，所述方法包括：
获取至少一个时间影响因素的数据值；
根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。
2.根据权利要求1所述的方法，其特征在于，所述根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时，包括：
根据各时间影响因素的数据值得到对应各时间影响因素的预估时间；
根据所述预估时间和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。
3.根据权利要求2所述的方法，其特征在于，所述根据所述预估时间和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时，包括：
计算所述预估时间与所述时间影响因素对应的相关性系数的乘积；
将所述乘积求和后的和值，确定为家电设备的所述工作耗时。
4.根据权利要求1所述的方法，其特征在于，所述对应于所述时间影响因素的相关性系数的确定过程，包括：
获取至少一条满足筛选条件的历史记录，所述历史记录中记录有工作耗时和所述时间影响因素的数据值；
基于所述时间影响因素的数据值，计算所述时间影响因素与记录的所述工作耗时的相关性系数。
5.根据权利要求4所述的方法，其特征在于，
所述历史记录中记录的时间影响因素的数据值为候选时间影响因素的数据值；
所述获取至少一个时间影响因素的数据值之前，还包括：根据所述相关性系数，从所述候选时间影响因素中确定满足设定条件的候选时间影响因素为时间影响因素。
6.根据权利要求4所述的方法，其特征在于，所述计算所述时间影响因素与记录的所述工作耗时的相关性系数，包括：
提取所述历史记录中的工作耗时，形成工作耗时数据集；
提取所述历史记录中所述时间影响因素的数据值，形成所述时间影响因素对应的时间影响因素数据集；
根据所述时间影响因素数据集与所述工作耗时数据集，得到所述时间影响因素与记录的所述工作耗时的相关性系数。
7.根据权利要求5所述的方法，其特征在于，所述根据所述相关性系数，从所述候选时间影响因素中确定满足设定条件的候选时间影响因素为时间影响因素，包括：
按所述相关性系数的大小对对应的所述候选时间影响因素进行排序；
将设定数量的、对应相关性系数大的候选时间影响因素确定为时间影响因素。
8.一种时间预测方法，其特征在于，应用于控制烹饪设备的服务器，包括：
接收到针对烹饪设备的烹饪功能设置信息；
接收移动终端发送的目标称重请求，基于所述目标称重请求，获取所述移动终端的位置信息；
基于所述目标称重请求，向智能称发送称重指令，接收所述智能称基于所述称重指令发出的目标称重物的重量；
基于所述烹饪功能设置信息、所述位置信息和所述目标称重物的重量，确定所述烹饪设备的至少一个时间影响因素的数据值；
根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到所述烹饪设备的工作耗时。
9.一种数据获取方法，其特征在于，应用于智能称，所述方法包括：
接收服务器发送的称重指令；
按照设定提示顺序发出称重物放置提示，获取各称重物的重量；
根据各称重物的重量，计算至少一个目标称重物的重量；
将所述目标称重物的重量发送至所述服务器；
接收所述服务器基于用户推荐请求发出的指定目标称重物的推荐重量；
确定所述指定目标称重物的重量与所述推荐重量的差值的绝对值小于设定重量阈值时，发出匹配完成提示；
将匹配完成的所述指定目标称重物的重量发送至所述服务器。
10.根据权利要求9所述的方法，其特征在于，
所述指定目标称重物的重量与所述推荐重量的差值大于设定重量阈值时，发出减量提示；
所述推荐重量与所述指定目标称重物的重量的差值大于设定重量阈值时，发出增量提示。
11.一种时间预测装置，其特征在于，所述装置包括：
数据获取单元，用于获取至少一个时间影响因素的数据值；
耗时预测单元，用于根据所述时间影响因素的数据值和对应于所述时间影响因素的相关性系数，得到家电设备的工作耗时。
12.一种数据获取装置，其特征在于，应用于智能称，所述装置包括：
指令接收单元，用于接收服务器发送的称重指令；
目标称重单元，用于按照设定提示顺序发出称重物放置提示，获取各称重物的重量；
目标计算单元，用于根据各称重物的重量，计算至少一个目标称重物的重量；
数据发送单元，用于将所述目标称重物的重量发送至所述服务器；
重量推荐单元，用于接收所述服务器基于用户推荐请求发出的指定目标称重物的推荐重量；确定所述指定目标称重物的重量与所述推荐重量的差值的绝对值小于设定重量阈值时，发出匹配完成提示；将所述匹配完成的指定目标称重物的重量发送至所述服务器。
13.一种时间预测装置，其特征在于，所述装置包括：第一处理器和用于存储能够在第一处理器上运行的计算机程序的第一存储器；
其中，所述第一处理器用于运行所述计算机程序时，执行权利要求1至7任一项所述方法的步骤，或执行权利要求8所述方法的步骤。
14.一种数据获取装置，其特征在于，所述装置包括：第二处理器和用于存储能够在第二处理器上运行的计算机程序的第二存储器；
其中，所述第二处理器用于运行所述计算机程序时，执行权利要求9或10所述方法的步骤。
15.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤，或实现权利要求8所述方法的步骤，或实现权利要求9或10所述方法的步骤。
CN201810638679.5A 2018-06-20 2018-06-20 时间预测方法、装置及计算机存储介质 Active CN110619414B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810638679.5A CN110619414B (zh) 2018-06-20 2018-06-20 时间预测方法、装置及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810638679.5A CN110619414B (zh) 2018-06-20 2018-06-20 时间预测方法、装置及计算机存储介质

Publications (2)

Publication Number Publication Date
CN110619414A true CN110619414A (zh) 2019-12-27
CN110619414B CN110619414B (zh) 2024-05-03

Family

ID=68919896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810638679.5A Active CN110619414B (zh) 2018-06-20 2018-06-20 时间预测方法、装置及计算机存储介质

Country Status (1)

Country Link
CN (1) CN110619414B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102715844A (zh) * 2011-03-29 2012-10-10 乐信股份公司 用于确定剩余烹饪时间的方法以及利用该方法的显示装置、烹饪器具和厨房网络
CN102809932A (zh) * 2011-05-31 2012-12-05 刘辉根 一种烹饪控制方法、装置及智能电饭煲
CN104461501A (zh) * 2014-11-04 2015-03-25 百度在线网络技术（北京）有限公司 云智能烹饪方法、云智能烹饪设备和云端服务器
CN105411358A (zh) * 2015-10-29 2016-03-23 谢光明 一种食物自动烹饪的方法以及***
US20160174748A1 (en) * 2014-12-22 2016-06-23 ChefSteps, Inc. Food preparation guidance system
CN105892352A (zh) * 2016-03-29 2016-08-24 北京小米移动软件有限公司 烹饪时长的推荐方法及装置
CN106231961A (zh) * 2014-04-23 2016-12-14 皇家飞利浦有限公司 用于控制食物烹饪过程的方法和烹饪设备
CN106323430A (zh) * 2016-08-22 2017-01-11 九阳股份有限公司 一种食材的智能称重方法
CN108021071A (zh) * 2017-12-30 2018-05-11 重庆羽狐科技有限公司 基于云端服务器的智能电饭煲控制方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102715844A (zh) * 2011-03-29 2012-10-10 乐信股份公司 用于确定剩余烹饪时间的方法以及利用该方法的显示装置、烹饪器具和厨房网络
CN102809932A (zh) * 2011-05-31 2012-12-05 刘辉根 一种烹饪控制方法、装置及智能电饭煲
CN106231961A (zh) * 2014-04-23 2016-12-14 皇家飞利浦有限公司 用于控制食物烹饪过程的方法和烹饪设备
US20170042202A1 (en) * 2014-04-23 2017-02-16 Koninklijke Philips N.V. Method and cooking apparatus for controlling a food cooking process
CN104461501A (zh) * 2014-11-04 2015-03-25 百度在线网络技术（北京）有限公司 云智能烹饪方法、云智能烹饪设备和云端服务器
US20160174748A1 (en) * 2014-12-22 2016-06-23 ChefSteps, Inc. Food preparation guidance system
CN105411358A (zh) * 2015-10-29 2016-03-23 谢光明 一种食物自动烹饪的方法以及***
CN105892352A (zh) * 2016-03-29 2016-08-24 北京小米移动软件有限公司 烹饪时长的推荐方法及装置
CN106323430A (zh) * 2016-08-22 2017-01-11 九阳股份有限公司 一种食材的智能称重方法
CN108021071A (zh) * 2017-12-30 2018-05-11 重庆羽狐科技有限公司 基于云端服务器的智能电饭煲控制方法

Also Published As

Publication number Publication date
CN110619414B (zh) 2024-05-03

Similar Documents

Publication Publication Date Title
US9366584B2 (en) Portable electronic device
CN109445819B (zh) 家电***的在线升级控制方法和家电***
EP2850393A1 (en) Method for operating a portable electronic device
CN113108427A (zh) 加湿装置的提醒方法、加湿装置、空调器及存储介质
JP6997483B2 (ja) 充電器を含む模擬電池制御システム及び模擬電池制御方法
CN110319644A (zh) 冰箱称重***和冰箱
KR20230041791A (ko) 전지 상태 판정 방법 및 전지 상태 판정 장치
KR20210135281A (ko) 전지 성능 평가 방법 및 전지 성능 평가 장치
CN109839889A (zh) 设备推荐***及方法
CN109527970A (zh) 一种烹饪方法及烹饪设备
WO2022239391A1 (ja) 電池性能評価装置および電池性能評価方法
JP4079930B2 (ja) 測定システム
CN109031988A (zh) 智能设备的控制方法和装置
CA3139175C (en) Battery performance evaluation device, electronic apparatus, charger, and battery performance evaluation method
CN110619414B (zh) 时间预测方法、装置及计算机存储介质
CN110268366B (zh) 信息处理装置、信息处理方法和程序
CN114719501B (zh) 冰箱内的食材重量获取方法、冰箱及计算机可读存储介质
CN110688561A (zh) 一种饮食喜好的确定方法、装置及计算机存储介质
CN114079587A (zh) 电器设备的参数设置方法、存储介质、服务器、电器设备
CN110445784B (zh) 运行数据的显示方法及装置、能源***
CN114532829B (zh) 一种烹饪时间显示方法、装置、烹饪器具及存储介质
JP6771146B2 (ja) アンケート集計方法及びアンケート集計システム
CN114503435A (zh) 振动控制方法、终端设备及存储介质
JP7242109B2 (ja) 電池性能評価装置および電池性能評価方法
CN118276734A (zh) 菜谱调整方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant