现有技术中的传统空调，通过比较当前室内温度和用户设定的温度来实现室内温度的调节。通过传感元件检测当前的室内温度，然后与用户设定的温度相比较，根据比较结果进行相应的控制处理。如果当前室内温度与设定温度存在偏差，则继续进行调温运作；如果当前室内温度与设定温度不存在偏差，则停止调温运作。空调能够将室内温度控制调节在人体感到舒适的范围内，提高了人们的生活水平。
但是，现有传统的空调控制方式还存在着明显的缺陷。室内的温度容易受到室外环境的影响干扰。例如，深夜室外温度下降后，室内的温度也会受到影响而相应地下降，中午室外温度上升后，室内的温度也会受到影响而相应上升。由于传统的空调控制方式单纯地依靠比较当前室内温度和设定温度来进行调温运作，其对于室内温度的调控是滞后的。传统空调只有检测到当前温度与设定温度出现明显偏差后才会进行相应的调控，无法真正实现对于室内环境的恒温恒湿控制。
本发明的一个目的在于提供一种恒温恒湿控制系统及其方法，能够准确预测一定时间后的室内温湿度，并对室内温湿度提前进行调控，实现了室内环境的恒温恒湿控制。
采集模块、控制模块；其中所述采集模块和所述控制模块分别与所述云端服务器通信连接，所述采集模块用于检测收集室内温湿度数据并发送至所述云端服务器，所述控制模块适于可控制地连接于室内空调，用于控制室内空调的工作状态，所述云端服务器具有一温湿度预测模型，所述温湿度预测模型能够结合来自所述采集模块的当前室内温湿度数据、来自所述控制模块的控制数据、以及来自外部互联网的室外温度数据对室内环境的温湿度变化做出预测，然后根据预测结果对不同的空调操作进行遍历，从中筛选出保持室内温湿度恒定的空调最优操作数据并发送至所述控制模块，从而实现了对室内空调的提前预控，确保室内保持恒温恒湿。
根据本发明的优选实施例，所述控制模块被设置每隔一段预设时间向所述云端服务器发送新产生的控制数据，用于所述云端服务器根据新的控制数据来训练所述温湿度预测模型，提高预测的准确性。
根据本发明的优选实施LD乐动体育例，所述室外温度数据包括当前室外温度、预设时间段前的室外温度、以及预设时间段后的室外温度。
依本发明的另一个方面，本发明进一步提供一种恒温恒湿控制方法，其包括以下步骤：
(s1)采集当前室内温湿度数据、当前室内空调控制数据、以及室外温度数据；
(s2)将当前室内温湿度数据、当前室内空调控制数据、以及室外温度数据输入一温湿度预测模型，对室内温湿度的变化进行预测，得到一预测结果；
(s3)根据所述预测结果对不同的空调操作进行遍历，从中筛选出保持室内温湿度恒定的空调最优操作数据；
根据本发明的优选实施例，所述恒温恒湿控制方法进一步包括：步骤(s5)利用新产生的空调控制数据对所述温湿度预测模型进行训练。
根据本发明的优选实施例，所述室外温度数据包括当前室外温度、预设时间段前的室外温度、以及预设时间段后的室外温度。
(s54)将训练集的数据输入到神经网络中，进行全连接层的线性和非线性运算，输出神经网络的预测值；
(s55)计算预测值与真实值的误差，进行反向传播，得到各权重和偏置参数的改变量，对权重和偏置参数进行修正；
(s56)重复步骤(s52)-步骤(s55)，直至预测值与真实值的误差满足预设的阈值条件结束。
根据本发明的优选实施例，所述步骤(s5)进一步包括：步骤(s57)改变神经网络模型结构，重复步骤(s52)-步骤(s56)，选取所有不同神经网络模型结构中预测值误差最小的模型用于室内温湿度变化的预测。
能够根据当前的室内温湿度数据，并结合室外的温度和当前室内空调的控制数据，实现对室内温湿度环境变化的预测，根据预测结果对室内温湿度进行提前预控调整，实现室内环境保持恒温恒湿。
本发明的上述以及其它目的、特征、优点将通过下面的详细说明、附图、以及所附的权利要求进一步明确。
下面，结合附图以及具体实施方式，对发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
本领域技术人员应理解的是，在本发明的揭露中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。
参看附图之图1至图3，根据本发明的优选实施例的恒温恒湿控制系统及其方法将在接下来的描述中被阐明。本发明所提供的所述恒温恒湿控制系统能够根据当前室内温湿度数据，结合室外温度数据和室内空调的当前控制数据，对室内环境的温湿度变化做出，然后根据预测结果对室内空调进行提前的预控调整，避免室内环境因室外环境的变化而受到干扰，实现室内环境保持恒温恒湿。
优选地，所述室外温度数据包括当前室外温度、预设时间段前的室外温度、以及预设时间段后的室外温度。
具体地，附图1示出了根据本发明优选实施例的恒温恒湿控制系统的配置示意图。所述恒温恒湿控制系统包括适于与外部互联网通信连接的云端服务器10、采集模块20、以及控制模块30。所述采集模块20和所述控制模块30通过电子通讯网络分别与所述云端服务器10通信连接。示例性的，所述云端服务器10可从外部互联网调取当前室外温度、上一整点室外温度、以及下一整点室外温度等室外环境的参数。
本领域技术人员容易理解的是，所述电子通讯网络可以是任何实现所述云端服务器10分别与所述控制模块30，所述采集模块20之间通讯的电子通讯网络。例如，所述电子通讯网络可为一局域网(lan)，一城域网(man)，一广域网(wan)，等互联网网络的一种。所述电子通讯网络也可以是其它能够实现所述云端服务器10和所述控制模块30，所述采集模块20之间通讯的通讯网络，如gsm、3g移动通讯网络(cdma、cdma200、td-cdma、wcdma等)、4g移动通信网络(td-lte、fdd-lte等)、5g移动通讯网络、卫星通讯等通讯网络等。另外，所述控制模块30和所述采集模块20也可通过先接LD乐动体育入无线局域网(wlan)、蓝牙传输(bluetooth)或热点(hotpoint)等网络，然后再通过这些无线通讯网络接入或连接至所述电子通讯网络的方式，实现与所述云端服务器10之间通讯。或者，所述控制模块30和所述采集模块20也可以通过预先设定的自定义通信数据协议与所述云端服务器10进行通信。
所述采集模块20用于检测收集室内温湿度数据并发送至所述云端服务器10。所述控制模块30适于可控制地连接于室内空调，用于控制室内空调的工作状态。所述云端服务器10具有一温湿度预测模型，能够对室内的温湿度变化做出预测，然后根据预测结果对不同的空调操作进行遍历，从中筛选出保持室内温湿度恒定的空调最优操作数据并发送至所述控制模块30，通过控制模块30对室内空调的工作状态进行提前的预控调整。
更具体地来说，所述云端服务器10接收并结合来自所述采集模块20的当前室内温湿度数据、来自所述控制模块30的对室内空调的控制数据、以及来自外部互联网的室外温度数据，通过调整模型结构和模型参数对所述温湿度预测模型进行不断训练，选取预测误差最小的模型结构并固定模型参数。所述温湿度预测模型能够结合来自所述采集模块20的当前室内温湿度数据、来自所述控制模块30的控制数据、以及来自外部互联网的室外温度数据对室内环境的温湿度变化做出预测，然后根据预测结果对不同的空调操作进行遍历，从中筛选出保持室内温湿度恒定的空调最优操作数据并发送至所述控制模块30。所述控制模块30根据所述空调最优操作数据对室内空调进行提前的预控调整，使得室内环境保持恒温恒湿。
也就是说，所述温湿度预测模型可以在已知当前室内温湿度、当前室外温度、上一整点室外温度、下一整点室外温度和当前空调控制数据等情况下预测出一定时间之后室内的温湿度，然后对不同的空调操作进行遍历，从中筛选出保持室内温湿度恒定的空调最优操作数据。例如，当前是深夜十二点，所述云端服务器10通过互联网调取得到30分钟之后室外温度将下降2度，所述温湿度预测模型能够预测出室内温湿度因外界环境干扰在30分钟后的变化，然后根据预测结果对不同的空调操作进行遍历，从中筛选出保持室内温湿度恒定的空调最优操作数据并发送至所述控制模块30对室内空调进行提前预控，使得30分钟之后室内的温湿度不会受到室外温度急剧下降的影响。
优选地，所述控制模块30被设置每隔一段预设时间向所述云端服务器10发送新产生的控制数据，用于所述云端服务器10根据新的控制数据来训练所述温湿度预测模型，提高预测的准确性。
现有技术中的传统空调单纯地依靠比较当前室内温度与设定温度的偏差来对空调的工作状态进行调整，其对于室内环境的调控是滞后的。相比于现有技术，本发明所提供的恒温恒湿控制系统能够根据当前的室内温湿度数据，并结合室外的温度和当前的空调控制数据，实现对室内温湿度环境变化的预测，根据预测结果对室内温湿度进行提前预控调整，实现室内环境保持恒温恒湿。
(s1)采集当前室内温湿度数据、当前室内空调控制数据、以及室外温度数据；
(s2)将当前室内温湿度数据、当前室内空调控制数据、以及室外温度数据输入一温湿度预测模型，对室内温湿度的变化进行预测，得到一预测结果；
(s3)根据所述预测结果对不同的空调操作进行遍历，从中筛选出保持室内温湿度恒定的空调最优操作数据；
优选地，所述恒温恒湿控制方法进一步包括：步骤(s5)利用新产生的空调控制数据对所述温湿度预测模型进行训练，提高预测的准确率。
优选地，所述室外温度数据包括当前室外温度、预设时间段前的室外温度、以及预设时间段后的室外温度。
(s54)将训练集的数据输入到神经网络中，进行全连接层的线性和非线性运算，输出神经网络的预测值；
(s55)计算预测值与真实值的误差，进行反向传播，得到各权重和偏置参数的改变量，对权重和偏置参数进行修正；
(s56)重复步骤(s52)-步骤(s55)，直至预测值与真实值的误差满足预设的阈值条件结束。
优选地，所述步骤(s5)进一步包括：步骤(s57)改变神经网络模型结构，重复步骤(s52)-步骤(s56)，选取所有不同神经网络模型结构中预测值误差最小的模型用于室内温湿度变化的预测。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。