[发明专利]基于智能家居设备的睡眠行为信息预测方法及系统

权利要求书

1.一种基于智能家居设备的睡眠行为信息预测方法，包括：

监测一个或多个智能家居设备的运行状态，当监测到由触发所述智能家居设备所产生的运行信号时，获取与当前睡眠行为相关的第一参数；

将所述第一参数输入到预定的神经网络模型中，并利用所述神经网络模型基于所述第一参数进行预测，以便得到经过预测后输出的第二参数；其中，所述神经网络模型为根据与睡眠行为相关的历史数据所训练得到的模型；

根据所述第二参数生成睡眠行为的预测信息。

2.如权利要求1所述的方法，其特征在于，利用第一传感器监测一个或多个智能家居设备的运行状态，其中，

所述第一传感器包括压力传感器。

3.如权利要求1所述的方法，其特征在于，所述第一参数包括时间数据和/或环境数据，其中：

所述时间数据包括日期数据以及时间点数据；

所述环境数据包括噪音值、温度值、湿度值、空气质量值中的至少一种；

所述噪音值、温度值、湿度值、空气质量值分别通过噪音传感器、温度传感器、湿度传感器、空气质量传感器获取。

4.如权利要求1所述的方法，其特征在于，所述神经网络模型为BP神经网络模型，采用以下方法训练得到所述BP神经网络模型，具体地：

获取预定时间段内产生的历史数据，所述历史数据包括历史时间数据、历史环境数据以及历史用户睡眠行为数据；

从所述历史数据中选取多个时段，并将所述多个时段以及与所述时段相对应的历史数据组成的数据集作为样本数据；

根据所述历史数据对BP神经网络模型的结构执行初始化操作，得到初始化BP神经网络模型；

根据所述样本数据并利用误差反向传播算法，对所述初始化BP神经网络模型中的权值及偏置进行调整，以便得到调整后的BP神经网络模型。

5.如权利要求4所述的方法，其特征在于，根据所述样本数据并利用误差反向传播算法，对所述初始化BP神经网络模型中的权值及偏置进行调整，以便得到调整后的BP神经网络模型，包括：

将所述样本数据输入到初始化BP神经网络模型中，以便利用所述初始化BP神经网络模型中的激活函数、权值以及偏置计算得到所述初始化BP神经网络模型的实际输出；

获取所述初始化BP神经网络模型的期望输出，并根据所述期望输出及实际输出对所述初始化BP神经网络模型的输出精度进行判断；

当所述输出精度符合预设精度条件时，则将所述初始化BP神经网络模型作为调整后的BP神经网络模型；

当所述输出精度不符合预设精度条件时，则利用误差反向传播算法对所述初始化BP神经网络模型中的权值及偏置进行调整，并使得调整后的BP神经网络模型的输出精度直至符合预设精度条件时为止。

6.如权利要求5所述的方法，其特征在于，根据所述期望输出及实际输出对输出精度进行判断，包括：

对所述期望输出与实际输出进行求差得到输出误差，将所述输出误差与预设误差进行比较，当所述输出误差小于预设误差时，则判断所述输出精度符合预设精度条件，否则判断所述输出精度不符合预设精度条件。

7.如权利要求5所述的方法，其特征在于，利用误差反向传播算法对所述初始化BP神经网络模型中的权值及偏置进行调整，包括根据以下计算式对所述权值及偏置进行调整，具体地：

其中，C(w，b)表示误差能量函数；n表示训练样本的总数量；x表示训练样本；

进一步地，根据以下计算式对初始化BP神经网络模型中的权值进行更新，具体地：

其中，W_k表示初始化权值；表示误差能量函数对权值的偏导数；

进一步地，根据以下计算式对初始化BP神经网络模型中的偏置进行更新，具体地：

其中，b_ι表示初始偏置，良示误差能量函数对偏置的偏导数；

进一步地，所述误差能量函数对权值的偏导数以及误差能量函数对偏置的偏导数分别通过链式求导法则获得。