CN111043726A - 空调器智能调控方法及空调器 - Google Patents

Abstract

本发明提供了一种空调器智能控制方法及空调器，该方法通过获取空调器所部署空间的多个环境特征参数，并通过预先建立的关系模型确定各环境特征参数的权重系数后对各环境特征参数进行加权求和即可得到空调器的设定温度，进而基于该设定温度对空调器进行调控。基于本发明提供的方法，采用以各环境特征数据为依据同时采用加权求和的方式确定空调器的设定温度值，可以对空调器所部署环境的各环境特征参数进行综合考虑，从而高效且自动确定出与当前所获取的环境特征参数最适配的空调器的设定温度，在实现空调器的智能化调控的同时，进一步提升空调器的智能化水平。

Description

空调器智能调控方法及空调器

技术领域

本发明涉及智能家电技术领域，特别是涉及一种空调器智能调控方法及空调器。

背景技术

在一定时间周期内，如一周七天或是一天24小时，人们在不同阶段对热量或者冷量的需求也不尽相同，此时就需要用户不断的调整空调器的设定温度来满足对热量或冷量的需求。而采用这种方式就很容易造成空调调控过程繁琐，从而影响用户的使用体验。因此，如何实现空调器的智能调控方法而无需用户频繁手动调控则是亟待解决的问题。

发明内容

本发明的一个目的是要提供一种空调器的智能调控方法，以使空调器基于环境特征参数自动确定设定温度值。

本发明一个进一步的目的是要使得空调器可依据空调器的运行模式进行调控。

本发明另一个进一步的目的是要解决现有技术中的至少一个问题。

根据本发明的一个方面，提供了一种空调器智能调控方法，包括：

获取空调器所部署空间的多个环境特征参数；

基于预先建立的关系模型确定各环境特征参数的权重系数；

将各环境特征参数结合其对应的权重系数进行加权求和得到空调器的设定温度值；

根据设定温度值对空调器进行调控。

可选地，基于预先建立的关系模型确定各环境特征参数的权重系数之前，还包括：

获取预设时间段内空调器的多个历史设定温度值；

收集在预设时间段内与各历史设定温度值对应的多个历史环境特征参数；

对各历史设定温度值及其对应的多个历史环境特征参数进行特征分析，确定各历史环境特征参数的多个权重系数；其中，各历史环境特征参数基于各自的权重系数进行加权求和的综合值等于对应的历史设定温度值；

基于权重系数建立关系模型。

可选地，基于权重系数建立关系模型，包括：

以权重系数作为常量，建立以环境特征参数为自变量、设定温度值为因变量的关系模型。

可选地，获取预设时间段内空调器的多个历史设定温度值之后，还包括：

获取空调器以任一历史设定温度值为目标温度运行时的运行模式；

其中，运行模式包括制热模式和制冷模式。

可选地，对各历史设定温度值及其对应的多个历史环境特征参数进行特征分析，确定各历史环境特征参数的多个权重系数，包括：

对各历史设定温度值及其对应的多个历史环境特征参数进行特征分析；确定空调器分别处于制冷模式和制热模式下各历史环境特征参数的多个第一权重系数；

基于权重系数建立关系模型，包括：

基于第一权重系数建立分别对应制热模式和制冷模式的多个第一关系模型。

可选地，基于预先建立的关系模型确定各环境特征参数的权重系数，包括：

确定空调器的运行模式；

基于运行模式在多个第一关系模型中选取指定第一关系模型，以基于指定第一关系模型确定各环境特征参数的第一权重系数。

可选地，当空调器以任一历史设定温度值为目标温度进行运行时，获取空调器的运行模式之后，还包括：

进一步获取空调器所部署空间的地理位置的天气类型；

天气类型包括晴天、阴天、雨天和/或雪天。

可选地，对各历史设定温度值及其对应的多个历史环境特征参数进行特征分析，确定各历史环境特征参数的多个权重系数，包括：

对各历史设定温度值及其对应的多个历史环境特征参数进行特征分析；确定空调器分别处于制冷模式和制热模式下且对应不同天气类型的各历史环境特征参数的多个第二权重系数；

基于权重系数建立关系模型，包括：

基于第二权重系数建立分别在制热模型和制冷模式下对应不同天气类型的多个第二关系模型。

可选地，基于预先建立的关系模型确定各环境特征参数的权重系数，包括：

确定空调器的运行模式以及空调器所部署空间的地理位置的天气类型；

基于运行模式和天气类型在多个第二关系模型中选取指定第二关系模型，以基于指定第二关系模型确定各环境特征参数的第二权重系数。

根据本发明的另一个方面，还提供了一种空调器，包括：

室内机；

控制器，其包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时用于实现根据上述任一项所述的空调器智能调控方法。

本发明提供了一种空调器智能控制方法及空调器，在发明提供的方法中，通过获取空调器所部署空间的多个环境特征参数，并通过预先建立的关系模型确定各环境特征参数的权重系数后对各环境特征参数进行加权求和即可得到空调器的设定温度值，进而基于该设定温度对空调器进行调控。基于本发明提供的方法，以各环境特征数据为依据同时采用加权求和的方式确定空调器的设定温度值，可以对空调器所部署环境的各环境特征参数进行综合考虑，从而高效且快速确定出与当前所获取的环境特征参数最适配的空调器的设定温度。

进一步地，本发明还可以针对空调器的运行模式以及空调器所处地理位置的天气类型分别确定多种关系模型，使得确定空调器的设定温度值时可以更加具有特异性，在实现空调器的智能化调控的同时，进一步提升空调器的智能化水平。

根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1是根据本发明一个实施例的空调器智能调控方法流程示意图；

图2是根据本发明另一实施例的空调器智能调控方法流程示意图；

图3是根据本发明又一实施例的空调器智能调控方法流程示意图；

图4是根据本发明实施例的空调器结构示意图。

具体实施方式

图1是根据本发明一个实施例的空调器智能调控方法流程示意图，参见图1可知，本发明实施例提供的空调器智能调控方法可以包括：

步骤S102，获取空调器所部署空间的多个环境特征参数；

步骤S104，基于预先建立的关系模型确定各环境特征参数的权重系数；

步骤S106，将各环境特征参数结合其对应的权重系数进行加权求和得到空调器的设定温度值；

步骤S108，根据设定温度值对空调器进行调控。

本发明实施例提供了一种空调器智能控制方法，通过获取空调器所部署空间的多个环境特征参数，并通过预先建立的关系模型确定各环境特征参数的权重系数后对各环境特征参数进行加权求和即可得到空调器的设定温度值，进而基于该设定温度对空调器进行调控。基于本发明实施例提供的方法，以各环境特征数据为依据同时采用加权求和的方式确定空调器的设定温度值，可以对空调器所部署环境的各环境特征参数进行综合考虑，从而高效且自动确定出与当前所获取的环境特征参数最适配的空调器的设定温度，实现空调器的智能化调控，进一步提升空调器的智能化水平。

可选地，本发明实施例提及的空调器所部署空间的环境特征参数可以包括室内温度值、室外温度值、室内湿度值以及室外湿度值。当然，实际应用中还可以包括其他环境特征参数，本发明不做限定。获取境特征参数可以实时获取或是间隔一定时间获取，具体可根据空调器的部署场景以及空调器所处环境特征进行设置，本发明不做限定。

上述步骤S104提及，在获取到环境特征参数后，会基于预先建立的关系模型确定各环境特征参数的权重系数。本实施例所提及的关系模型是通过对用户对空调器的使用习惯进行学习后，预先基于空调器的历史相关数据所构建。具体地，在本发明一可选实施例中，在上述步骤S104之前，还可以基于空调器的历史设定温度值及对应的环境特征参数建立关系模型。在本发明一可选实施例中，可基于如下方式建立关系模型：

S1、获取预设时间段内空调器的多个历史设定温度值。其中，历史设定温度值可以为空调节所接收用户自主调节的温度值，预设时间段可以是空调器过去的半年、一个月或是一周的历史设定温度值，该预设时间段可依据不同的应用需求进行设置，本发明不做限定。

S2、收集在预设时间段内与各历史设定温度值对应的多个历史环境特征参数。也就是说，对于每一个历史设定温度值，均获取空调器在以该历史设定温度值为目标温度运行时，空调器所处部署环境对应的历史环境特征参数，该历史环境特征参数可以包括对历史设定温度值对应的室内温度值、室外温度值、室内湿度值以及室外湿度值。

S3、对各历史设定温度值及其对应的多个历史环境特征参数进行特征分析，确定各历史环境特征参数的多个权重系数；其中，各历史环境特征参数基于各自的权重系数进行加权求和的综合值等于对应的历史设定温度值。也就是说，在对各历史设定温度值及其对应的各历史环境特征参数进行特征分析之后，对于任一历史设定温度值T₀，其可以等于室内温度值、室外温度值、室内湿度值以及室外湿度值与各自权重系数加权求和得到的值。

S4、基于权重系数建立关系模型。进一步地，可以以权重系数作为常量，建立以环境特征参数为自变量、设定温度值为因变量的关系模型。例如，最终得到的关系模型可以如下：

设定温度值Ta＝a+a1室内温度+a2室外温度+a3室内湿度+a4室外湿度。

其中，a1、a2、a3、a4分别为对应室内温度值、室外温度值、室内湿度值以及室外湿度值的权重系数，且均为常量，室内温度值、室外温度值、室内湿度值以及室外湿度值的权重系数为自变量，设定温度值为因变量，对于任意一组环境特征参数，均具有与其对应的设定温度值。另外，上述实施例中还有常量a，其可以在对环境特征参数进行特征分析时获得，本发明实施例不做限定。在本发明实施例中，不考虑各参数的单位，只考虑数字的计算。

参见上述步骤S106，在通过关系模型确定各环境特征参数的权重系数系数之和，即可进行加权求和以得到对应的设定温度值，从而对空调器进行调控。实际应用中，对于计算出的设定温度值可四舍五入求取整数以方便控制。实际应用中，对于间隔一定时间(如15分钟)计算设定温度值并调整空调器，以避免频繁地调整空调器而影响用户使用体验。基于本发明实施例提供的方法，可以满足不同时刻对温度的需求，无需手动调整，在获取到室内温度值、室外温度值、室内湿度值以及室外湿度值之后，只需将其输入关系模型中，通过关系模型确定各自的权重系数后，对室内温度值、室外温度值、室内湿度值以及室外湿度值结合各自所对应的权重系数进行加权求和结合得到此时空调器的设定温度值。本实施例中的湿度值可以为绝对湿度值，也可以为相对湿度值，本发明不做限定。需要说明的是，本实施例所提供的关系模型中的计算方式无需考虑各个值的单位，只进行具体数值之间的计算即可。

例如，假设室外温度值为1(℃)、室内温度值为18(℃)，室内湿度值(相对湿度)为42％，即0.42，室外湿度值(相对湿度)为0.45，a＝0、a1＝1、a2＝1.5、a3＝2.3，a4＝1.1，则此时空调器的设定温度Ta(℃)＝20.991≈21(℃)。

在本发明一可选实施例中，还可以获取空调器在各个设定温度值时的运行模式，以分别对各个运行模式提供不同的关系模型。即，上述步骤S1获取预设时间段内空调器的多个历史设定温度值之后，还可以获取空调器以任一历史设定温度值为目标温度运行时的运行模式。其中，运行模式包括制热模式和制冷模式。

进一步地，建立关系模型时，可以先对各历史设定温度值及其对应的多个历史环境特征参数进行特征分析；确定空调器分别处于制冷模式和制热模式下各历史环境特征参数的多个第一权重系数；再基于第一权重系数建立分别对应制热模式和制冷模式的多个第一关系模型。

举例来讲，对于制冷模式对应的第一关系模型B如下：

设定温度值Tb＝b+b1室内温度+b2室外温度+b3室内湿度+b4室外湿度

对于制热模式对应的第一关系模型C如下：

设定温度值Tc＝c+c1室内温度+c2室外温度+c3室内湿度+c4室外湿度

进一步地，上述步骤S104在确定基于预先建立的关系模型确定各环境特征参数的权重系数时，可以确定空调器的运行模式；基于运行模式在多个第一关系模型中选取指定第一关系模型，以基于指定第一关系模型确定各环境特征参数的第一权重系数。也就是说，确定空调器的运行模式为制冷模式时，可以采用第一关系模型B；确定空调器的运行模式为制热模式时，可以采用第一关系模型C。上述关系模型中各参数均可以根据用户的习惯，以及基于空调器的历史相关数据进行学习(如机器学习等)，本发明对上述各参数的具体数值不做限定。

图2是根据本发明一可选实施例的空调器智能调控方法流程示意图，参见图2可知，本发明实施例提供的空调器智能调控方法可以包括：

步骤S202，获取历史时间段空调器的设定温度值，和该历史时间段内制冷模式、制热模式下，各设定温度值对应的室内温度值、室外温度值、室内湿度值、室外湿度值；

步骤S204，根据不同运行模式下设定温度值对应的室内温度值、室外温度值、室内湿度值、室外湿度值进行分析，建立针对制冷模式的关系模型B和制热模式的关系模型C；

步骤S206，获取空调器所部署空间实时的室内温度值、室外温度值、室内湿度值、室外湿度值；

步骤S208，获取空调器实时的运行模式；

步骤S210，基于空调器实时的运行模式在关系模型B和制热模式的关系模型C中确定指定关系模型；

步骤S212，基于指定关系模型确定室内温度值、室外温度值、室内湿度值、室外湿度值的权重系数；

步骤S214，基于室内温度值、室外温度值、室内湿度值、室外湿度值及各自的权重系数进行加权求和，得到空调器当前的设定温度值；

步骤S216，基于该设定温度值对空调器进行调控。

基于本发明实施例提供的方法分别对于制热模式和制冷模式提供的不同的关系模型，同时为不同空调器运行模式下的关系模型确定对应不同环境特征数据的权重系数，在后续实时对空调器进行调整时，可以在获取到环境特征数据的基础上，结合空调器的运行模式确定关系模型，从而实现对空调器不同运行模式区分控制的同时，使得控制空调器时所确定的温度更加舒适，更加符合用户当前的使用需求。

在本发明另一可选实施例中，不仅可以获取空调器在各个设定温度值时的运行模式，还可以获取空调器在各个设定温度值下的天气类型，以分别对各个运行模式、各个天气类型提供不同的关系模型。

即上述步骤S1获取预设时间段内空调器的多个历史设定温度值之后，除了确定空调器以任一历史设定温度值为目标温度运行时的运行模式，还可以进一步获取空调器所部署空间的地理位置的天气类型；天气类型包括晴天、阴天、雨天和/或雪天，天气类型可以在联网后通过其他设备获取。

进一步地，建立关系模型时，可以先对各历史设定温度值及其对应的多个历史环境特征参数进行特征分析；确定空调器分别处于制冷模式和制热模式下且对应不同天气类型的各历史环境特征参数的多个第二权重系数；再基于第二权重系数建立分别在制热模型和制冷模式下对应不同天气类型的多个第二关系模型。

举例来讲，在制冷模式下(可以包含除湿)，分别针对阴天、晴天、下雨提供不同的第二关系模型。

阴天时，关系模型D可以如下：

设定温度值Td＝d+d1室内温度+d2室外温度+d3室内湿度+d4室外湿度

晴天时，关系模型E可以如下：

设定温度值Te＝e+e1室内温度+e2室外温度+e3室内湿度+e4室外湿度

下雨时，关系模型F可以如下：

设定温度值Tf＝f+f1室内温度+f2室外温度+f3室内湿度+f4室外湿度

在制热模式下(可以包含除湿)，分别针对阴天、晴天、下雨提供不同的第二关系模型，另外，下雨天和下雪天可以采用相同的关系模型。

阴天时，关系模型G可以如下：

设定温度值Tg＝g+g1室内温度+g2室外温度+g3室内湿度+g4室外湿度

晴天时，关系模型H可以如下：

设定温度值Th＝h+h1室内温度+h2室外温度+h3室内湿度+h4室外湿度

下雨(或下雪)时，关系模型K可以如下：

设定温度值Tk＝k+k1室内温度+k2室外温度+k3室内湿度+k4室外湿度

上述关系模型中各参数均可以根据用户的习惯，以及基于空调器的历史相关数据进行学习(如机器学习等)，本发明对上述各参数的具体数值不做限定。

进一步地，上述步骤S104在确定基于预先建立的关系模型确定各环境特征参数的权重系数时，可以确定空调器的运行模式以及空调器所部署空间的地理位置的天气类型；基于运行模式和天气类型在多个第二关系模型中选取指定第二关系模型，以基于指定第二关系模型确定各环境特征参数的第二权重系数。本实施例中，在确定权重系数时，需要先确定空调器当前的运行模式，进而确定地理位置当前的天气类型，以便进一步在多个第二关系模型中选取对应当前运行模式以及天气类型的指定第二关系模型，从而进一步基于指定第二关系模型确定出室内温度值、室外温度值、室内湿度值以及室外湿度值各自的权重系数。

图3是根据本发明一可选实施例的空调器智能调控方法流程示意图，参见图3可知，本发明实施例提供的空调器智能调控方法可以包括：

步骤S202，获取历史时间段空调器的设定温度值，和该历史时间段内不同天气类型、不同运行下，各设定温度值对应的室内温度值、室外温度值、室内湿度值、室外湿度值；其中，天气类型可以包括晴天、阴天、雨天，运行模式可以包括制热模式和制冷模式；

步骤S304，根据不同天气类型、不同运行模式下设定温度值对应的室内温度值、室外温度值、室内湿度值、室外湿度值进行分析，建立针对不同运行模式、不同天气类型的多个关系模型X；

步骤S306，获取空调器所部署空间实时的室内温度值、室外温度值、室内湿度值、室外湿度值；

步骤S308，获取空调器实时的运行模式，以及空调器当前所处部署空间的地理位置的天气类型；

步骤S310，基于空调器实时的运行模式以及当前天气类型在多个关系模型X中确定指定关系模型；

步骤S312，基于指定关系模型确定室内温度值、室外温度值、室内湿度值、室外湿度值的权重系数；

步骤S314，基于室内温度值、室外温度值、室内湿度值、室外湿度值及各自的权重系数进行加权求和，得到空调器当前的设定温度值；

步骤S316，基于该设定温度值对空调器进行调控。

基于本发明实施例提供的方法分别对于空调器不同运行模式以及当前天气类型分别提供的不同的关系模型，同时为不同空调器运行模式下、且不同天气类型的关系模型确定对应不同环境特征数据的权重系数，在后续实时对空调器进行调整时，在获取到环境特征数据的基础上，不仅可以结合空调器的运行模式，还可以实时根据天气情况考虑不同的关系模型，从而使得设定温度值随空调器的运行模式以及当前天气状况进行适应调整，进而使得空调器的调控温度更加符合用户实时需求，以进一步提升用户的使用体验。

在本发明一可选实施例中，对各环境特征参数及其权重系数计算得到的设定温度值假如有多位小数，可以经过四舍五入后保留整数或是保留一位小数，以更加方便对空调器的控制。另外，假设所计算得到的设定温度值大于第一预设温度值(如30)，则以第一预设温度值(如30)为设定温度值，假设计算得到的设定温度值小于第二预设温度值(如16)，则以第二预设温度值(如16)为设定温度值。该第一预设温度值和第二预设温度值可以根据用户习惯学习后判断用户所能适应的最高环境温度和最低环境温度进行调整，本发明不做限定。

另外，还可以在实际使用过程中实施更新各关系模型，从而使空调器的设定温度值可以随用户需要进行调整，进一步提升用户的舒适度。

基于同一发明构思，本发明实施例还提供了一种空调器，如图4所示，该空调器400可以包括：

室内机410；

控制器420，其包括存储器421和处理器422，存储器421存储有计算机程序，计算机程序被处理器422执行时用于实现根据上述任一实施例所述的空调器智能调控方法。

本发明实施例提供了一种空调器智能控制方法及空调器，在发明实施例提供的方法中，通过获取空调器所部署空间的多个环境特征参数，并通过预先建立的关系模型确定各环境特征参数的权重系数后对各环境特征参数进行加权求和即可得到空调器的设定温度，进而基于该设定温度对空调器进行调控。基于本发明实施例提供的方法，采用以各环境特征数据为依据同时采用加权求和的方式确定空调器的设定温度值，可以对空调器所部署环境的各环境特征参数进行综合考虑，从而高效且自动确定出与当前所获取的环境特征参数最适配的空调器的设定温度。

进一步地，本发明实施例还可以针对空调器的运行模式以及空调器所处地理位置的天气类型分别确定多种关系模型，使得确定空调器的设定温度值时可以更加具有适用性，使得设定温度值随空调器的运行模式以及当前天气状况进行适应调整，进而使得空调器的调控温度更加符合用户实时需求，实现空调器的智能化调控，进一步提升空调器的智能化水平。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (10)

1.一种空调器智能调控方法，包括：

获取空调器所部署空间的多个环境特征参数；

基于预先建立的关系模型确定各所述环境特征参数的权重系数；

将各所述环境特征参数结合其对应的权重系数进行加权求和得到所述空调器的设定温度值；

根据所述设定温度值对所述空调器进行调控。

2.根据权利要求1所述的方法，其中，所述基于预先建立的关系模型确定各所述环境特征参数的权重系数之前，还包括：

获取预设时间段内所述空调器的多个历史设定温度值；

收集在所述预设时间段内与各所述历史设定温度值对应的多个历史环境特征参数；

对各所述历史设定温度值及其对应的多个历史环境特征参数进行特征分析，确定各所述历史环境特征参数的多个权重系数；其中，各所述历史环境特征参数基于各自的权重系数进行加权求和的综合值等于对应的历史设定温度值；

基于所述权重系数建立所述关系模型。

3.根据权利要求2所述的方法，其中，所述基于所述权重系数建立所述关系模型，包括：

以所述权重系数作为常量，建立以环境特征参数为自变量、设定温度值为因变量的关系模型。

4.根据权利要求2所述的方法，其中，所述获取预设时间段内所述空调器的多个历史设定温度值之后，还包括：

获取所述空调器以任一所述历史设定温度值为目标温度运行时的运行模式；

其中，所述运行模式包括制热模式和制冷模式。

5.根据权利要求4所述的方法，其中，

所述对各所述历史设定温度值及其对应的多个历史环境特征参数进行特征分析，确定各所述历史环境特征参数的多个权重系数，包括：

对各所述历史设定温度值及其对应的多个历史环境特征参数进行特征分析；确定空调器分别处于制冷模式和制热模式下各所述历史环境特征参数的多个第一权重系数；

所述基于所述权重系数建立所述关系模型，包括：

基于所述第一权重系数建立分别对应制热模式和制冷模式的多个第一关系模型。

6.根据权利要求5所述的方法，其中，所述基于预先建立的关系模型确定各所述环境特征参数的权重系数，包括：

确定所述空调器的运行模式；

基于所述运行模式在所述多个第一关系模型中选取指定第一关系模型，以基于所述指定第一关系模型确定各所述环境特征参数的第一权重系数。

7.根据权利要求4所述的方法，其中，所述当所述空调器以任一所述历史设定温度值为目标温度进行运行时，获取所述空调器的运行模式之后，还包括：

进一步获取所述空调器所部署空间的地理位置的天气类型；

所述天气类型包括晴天、阴天、雨天和/或雪天。

8.根据权利要求7所述的方法，其中，

所述对各所述历史设定温度值及其对应的多个历史环境特征参数进行特征分析，确定各所述历史环境特征参数的多个权重系数，包括：

对各所述历史设定温度值及其对应的多个历史环境特征参数进行特征分析；确定空调器分别处于制冷模式和制热模式下且对应不同天气类型的各所述历史环境特征参数的多个第二权重系数；

所述基于所述权重系数建立所述关系模型，包括：

基于所述第二权重系数建立分别在制热模型和制冷模式下对应不同天气类型的多个第二关系模型。

9.根据权利要求8所述的方法，其中，所述基于预先建立的关系模型确定各所述环境特征参数的权重系数，包括：

确定所述空调器的运行模式以及所述空调器所部署空间的地理位置的天气类型；

基于所述运行模式和所述天气类型在所述多个第二关系模型中选取指定第二关系模型，以基于所述指定第二关系模型确定各所述环境特征参数的第二权重系数。

10.一种空调器，包括：

室内机；

控制器，其包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时用于实现根据权利要求1至9中任一项所述的空调器智能调控方法。

Images