Prediction method of smart home environment based on Raspberry Pi

Jia, Yunwei (2020). Prediction method of smart home environment based on Raspberry Pi. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. y Sistemas de Telecomunicación (UPM), Madrid.

Description

Title: Prediction method of smart home environment based on Raspberry Pi
Author/s:
  • Jia, Yunwei
Contributor/s:
  • Kunnari, Esa
Item Type: Final Project
Degree: Grado en Ingeniería Electrónica de Comunicaciones
Date: 2020
Subjects:
Freetext Keywords: Regresión polinómica; Causalidad de Wiener-Granger; Modelos de predicción
Faculty: E.T.S.I. y Sistemas de Telecomunicación (UPM)
Department: Otro
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB) | Preview
[img] Archive (ZIP) - Users in campus UPM only
Download (5kB)

Abstract

Con el desarrollo de hogar inteligente, la tasa de penetración de los productos para casas inteligentes es cada vez mayor. Muchas empresas han ingresado a esta industria, investigando y desarrollando ropa inteligente, internet de cosas, electrodomésticos inteligentes, etc. La mayoría de los resultados de la investigación de hogares inteligentes existentes son sistemas de detección y control, principalmente para la detección en tiempo real y el control inteligente del entorno del hogar. En el entorno del hogar, hay algunas variables ambientales que pueden retroalimentar el control de ajuste de inmediato, pero algunas requieren una cierta cantidad de tiempo para la retroalimentación del control de ajuste, como la temperatura y la humedad. En este PFG se centra en la histéresis de la retroalimentación sobre el control de las variables ambientales en el hogar, analiza los modelos de algoritmos predictivos comunes. Al mejorar el modelo de causalidad de Granger y combinarlo con el modelo de regresión polinómica, se propone un método de predicción adecuado para el entorno del hogar. En este método, la Raspberry Pi se utiliza como una herramienta para recopilar datos del entorno del hogar a través de múltiples sensores, y luego los datos se prueban utilizando el método mejorado de detección de causalidad Granger basado en la relación de temporización. Descubre la relación causal entre varios factores en el entorno del hogar y luego establece las ecuaciones de regresión para varios factores ambientales en el hogar, a fin de lograr una predicción precisa del entorno del hogar, como la intensidad de la luz, la temperatura, la humedad y la presión del aire. Por último, se valida el método y se analiza los resultados en la vida real. Abstract: With the development of smart homes, the penetration rate of smart home products keeps increasing. Many companies have already entered this field, conducting research and development on smart wear, Internet of Things, smart home, etc. Most of the existing smart home products are detection and control systems, which are mainly used for real-time detection and intelligent control of the home environment. In the home environment, there are some environmental variables that can feed back the adjustment control immediately, but some require a certain time to feedback the adjustment control, such as temperature and humidity. This thesis focuses on the hysteresis of control feedback on home environmental variables, analyzes common prediction algorithm models, and improves the Granger causality model by combining it with a polynomial regression model to proposes a prediction method suitable for the home environment. And then use the improved Granger causality test method to test the data set and find the causal relationship between the factors in the home environment based on prediction. Then establish the regression equation of various environmental factors, so as to achieve accurate prediction of the home environmental factors such as light intensity, temperature, humidity and air pressure. Finally, we validate this method in real life and analyze the results.

More information

Item ID: 66507
DC Identifier: https://oa.upm.es/66507/
OAI Identifier: oai:oa.upm.es:66507
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 24 Mar 2021 09:32
Last Modified: 24 May 2021 22:30
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM