旺季空调支援需求度的预测方法、存储介质及电子装置与流程

1.本技术涉及智能家居/智慧家庭技术领域，尤其涉及一种旺季空调支援需求度的预测方法、存储介质及电子装置。


背景技术：

2.炎热的夏季一般为空调使用的旺季，通常会出现空调供不应求的情况，因此空调供应商则需要及时进行空调支援。然而，目前主要是通过线下人工传递进行支援，业务各环节在系统中没有体系的记录，同时由于没有预测机制，所有的支援都是事后行为，影响用户体验。
3.因此，如何对目标区域的空调需求量进行预测，并及时对目标区域进预警提示和及时支援，是当前亟需解决的技术问题。


技术实现要素：

4.本技术提供一种旺季空调支援需求度的预测方法、存储介质及电子装置，用以解决现有技术中通过线下人工传递进行支援的缺陷，实现对目标区域的空调需求量进行预测，并及时对目标区域进预警提示和及时支援。
5.本技术提供一种旺季空调支援需求度的预测方法，包括：
6.建立旺季空调支援需求度的预测模型；
7.获取目标区域多个维度不同的目标数据，基于所述预测模型对不同的目标数据进行分析，得到所述目标区域的综合预测得分；
8.基于所述综合预测得分判定所述目标区域是否需要进行预警和/ 或支援。
9.根据本技术提供的一种旺季空调支援需求度的预测方法，所述目标区域多个维度的目标数据包括温度数据、安装需求量、服务时效、用户催办频率以及库存数据；
10.所述基于所述预测模型对不同的目标数据进行分析，得到所述目标区域的综合预测得分，包括：
11.基于所述预测模型对所述温度数据进行分析得到第一预测得分；
12.基于所述预测模型对所述安装需求量进行分析得到第二预测得分；
13.基于所述预测模型对所述服务时效进行分析得到第三预测得分；
14.基于所述预测模型对所述用户催办频率进行分析得到第四预测得分；
15.基于所述预测模型对所述库存数据进行分析得到第五预测得分；
16.将所述第一预测得分、第二预测得分、第三预测得分、第四预测得分以及第五预测得分进行相加，得到所述多个维度的综合预测得分。
17.根据本技术提供的一种旺季空调支援需求度的预测方法，所述基于所述预测模型对所述温度数据进行分析得到第一预测得分，包括：
18.确认所述目标区域的地理位置，并基于所述地理位置获取所述目标区域的高温阈值和低温阈值；
19.在确认所述目标区域以不低于所述低温阈值的温度数据持续第一目标天数的情况下，获取在目标周期内所述温度数据等于或高于所述低温阈值的累计天数；
20.基于所述预测模型对所述累计天数进行分析，得到所述目标区域的第一预测得分。
21.根据本技术提供的一种旺季空调支援需求度的预测方法，所述基于所述预测模型对所述安装需求量进行分析得到第二预测得分，包括：
22.获取在所述目标区域内用户每天对空调的安装需求量；
23.获取所述安装需求量在连续第二目标天数内的任一天中所述安装需求量和历史峰值的关系，基于所述预测模型对所述安装需求量和历史峰值的关系进行分析，得到所述目标区域的第二预测得分。
24.根据本技术提供的一种旺季空调支援需求度的预测方法，所述基于所述预测模型对所述安装需求量进行分析得到第二预测得分，包括：
25.基于所述目标区域的地理位置将所述目标区域划分为第一区域、第二区域以及第三区域；
26.选取所述第一区域、第二区域或第三区域作为目标预测区域；
27.获取在所述目标预测区域内连续第三目标天数的安装需求量，并获取所述安装需求量和淡季日均安装量之间的目标倍数；
28.其中，所述淡季日均安装量基于所述目标区域的地理位置确定；
29.基于所述预测模型对所述目标倍数进行分析，获取所述目标预测区域的第二预测得分。
30.根据本技术提供的一种旺季空调支援需求度的预测方法，所述基于所述预测模型对所述服务时效进行分析得到第三预测得分，包括：
31.基于用户的预约服务时间获取第一服务时效，以及基于用户的登记时间和结单时间获取第二服务时效；
32.基于所述预测模型对所述第一服务时效或第二服务时效进行分析得到第三预测得分。
33.根据本技术提供的一种旺季空调支援需求度的预测方法，所述基于所述综合预测得分判定所述目标区域是否需要进行预警和/或支援，包括：
34.在所述综合预测得分高于第一目标阈值且低于第二目标阈值的情况下，对所述目标区域发出预警提示；
35.在所述综合预测得分高于第二目标阈值的情况下，对所述目标区域发出预警提示，并强制启动支援所述目标区域。
36.本技术还提供一种旺季空调支援需求度的预测装置，包括：
37.模型建立单元，用于建立旺季空调支援需求度的预测模型；
38.得分获取单元，用于获取目标区域多个维度不同的目标数据，基于所述预测模型对不同的目标数据进行分析，得到所述目标区域的综合预测得分；
39.预警单元，用于基于所述综合预测得分判定所述目标区域是否需要进行预警和/或支援。
40.本技术还提供一种电子装置，包括存储器和处理器，所述存储器中存储有计算机
程序，所述处理器被设置为通过所述计算机程序执行实现如上述任一种所述旺季空调支援需求度的预测方法。
41.本技术还提供一种计算机可读的存储介质，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行实现如上述任一种所述旺季空调支援需求度的预测方法。
42.本技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述旺季空调支援需求度的预测方法。
43.本技术提供的旺季空调支援需求度的预测方法、存储介质及电子装置，通过建立旺季空调支援需求度的预测模型，获取目标区域的多个维度的目标数据，利用预测模型获取每个维度的预测得分，并进行相加得到综合预测得分，根据综合预测得分确定目标区域是否需要预警和/或支援。本技术利用预测模型对多方面的因素进行了关于空调支援需求量的预测计算，不仅实现了空调旺季支援的事后模式转化为事前模式，而且减少了大量的人力，提升了旺季用户体验。
附图说明
44.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
45.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
46.图1是本技术提供的旺季空调支援需求度的预测方法的流程示意图之一；
47.图2是本技术提供的旺季空调支援需求度的预测方法的流程示意图之二；
48.图3是本技术提供的旺季空调支援需求度的预测装置的结构示意图；
49.图4是根据本技术实施例的一种智能设备的交互方法的硬件环境示意图；
50.图5是本技术提供的电子装置的结构示意图。
具体实施方式
51.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
52.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
53.参照图1，本技术提供的一种旺季空调支援需求度的预测方法，包括以下步骤：
54.步骤110，建立旺季空调支援需求度的预测模型。
55.具体地，本步骤中的预测模型为一个虚拟的模型，可以理解为黑匣子，具备数据处理的功能，能够根据输入的数据进行分析以及输出。本步骤中的旺季空调支援需求度的预测模型的功能即为计算目标区域在不同维度条件下的空调需求度的预测得分。
56.需指出的是，预测模型的进行预测得分计算的得分规则是基于各种维度大数据采集分析得到的，对于不同维度的输入数据，需要依据相应的得分规则进行得分预测。
57.步骤120，获取目标区域多个维度不同的目标数据，基于所述预测模型对不同的目标数据进行分析，得到所述目标区域的综合预测得分。
58.具体地，本步骤中的目标区域即为需要进行空调支援需求度预测的区域，根据我国的地理区域可划分为华南地区、中南地区、西南地区、华东地区、华北地区等地。
59.目标区域的多个维度不同的目标数据指的是上述区域的影响支援需求度的数据指标，比如天气、温度、空调需求量、服务时效、库存等多维度的数据。
60.步骤120中建立的预测模型的功能即为对上述维度的数据指标依次进行分析，对各个数据进行预测得分计算。通常情况下，预测得分和各个维度的数据均成正比。比如，在目标区域的天气、温度数据预测出在天气炎热、温度较高的情况下，预测得分会比较高；在目标区域的安装需求超过历史峰值的情况下，则说明该地区的空调需求量较大，很可能出现供不应求的情况，此时的空调支援需求度的预测得分便会比较高。
61.步骤130，基于所述综合预测得分判定所述目标区域是否需要进行预警和/或支援。
62.具体地，本步骤是根据步骤120中预测模型根据各个维度的数据指标对应得到的预测得分进行相加之后进行的结果处理。如果综合预测得分较高，则表示目标区域对空调的支援需求度较大，需要总部业务系统及时对目标区域的业务系统发出预警提示，若综合预测得分过高，则表示目标区域已经出现空调供不应求的情况，需要总部对目标区域进行空调数量的支援。
63.本技术提供的旺季空调支援需求度的预测方法，通过建立旺季空调支援需求度的预测模型，获取目标区域的多个维度的目标数据，利用预测模型获取每个维度的预测得分，并进行相加得到综合预测得分，根据综合预测得分确定目标区域是否需要预警和/或支援。本技术利用预测模型对多方面的因素进行了关于空调支援需求量的预测计算，不仅实现了空调旺季支援的事后模式转化为事前模式，而且减少了大量的人力，提升了旺季用户体验。
64.基于以上实施例，所述目标区域多个维度的目标数据包括温度数据、安装需求量、服务时效、用户催办频率以及库存数据；
65.所述基于所述预测模型对不同的目标数据进行分析，得到所述目标区域的综合预测得分，包括：
66.基于所述预测模型对所述温度数据进行分析得到第一预测得分；
67.基于所述预测模型对所述安装需求量进行分析得到第二预测得分；
68.基于所述预测模型对所述服务时效进行分析得到第三预测得分；
69.基于所述预测模型对所述用户催办频率进行分析得到第四预测得分；
70.基于所述预测模型对所述库存数据进行分析得到第五预测得分；
71.将所述第一预测得分、第二预测得分、第三预测得分、第四预测得分以及第五预测得分进行相加，得到所述多个维度的综合预测得分。
72.具体地，本实施例提供了根据预测模型对多个维度的目标数据进行分析，得到多个预测得分并进行相加的过程。
73.多个维度的目标数据包括温度数据、安装需求量、服务时效、用户催办频率以及库存数据。预测模型对于以上各数据采用不同的得分规则，得到各个目标数据对应的第一预测得分、第二预测得分、第三预测得分、第四预测得分以及第五预测得分。
74.然后，将第一预测得分、第二预测得分、第三预测得分、第四预测得分以及第五预测得分进行相加，得到综合预测得分。综合预测得分即表示目标区域在多个维度的因素考虑下，对于空调支援需求度的总得分，从而通过对总得分进行分析确认目标区域是否需要预警提示和支援。
75.本实施例提供的旺季空调支援需求度的预测方法，通过预测模型对各个维度的目标数据进行分析，得到目标区域的空调需求度的综合预测得分，从而可以通过预测得分确认目标区域是否需要预警提示和支援。利用预测模型对多方面的因素进行了关于空调支援需求量的预测计算，不仅实现了空调旺季支援的事后模式转化为事前模式，而且减少了大量的人力，提升了旺季用户体验。
76.参照图2，基于以上实施例，所述基于所述预测模型对所述温度数据进行分析得到第一预测得分，包括：
77.步骤210，确认所述目标区域的地理位置，并基于所述地理位置获取所述目标区域的高温阈值和低温阈值；
78.步骤220，在确认所述目标区域以不低于所述低温阈值的温度数据持续第一目标天数的情况下，获取在目标周期内所述温度数据等于或高于所述低温阈值的累计天数；
79.步骤230，基于所述预测模型对所述累计天数进行分析，得到所述目标区域的第一预测得分。
80.具体地，本实施例提供了基于预测模型获取第一预测得分的过程。
81.首先，确认目标区域的地理位置，也就是确认目标区域属于哪个地区，由于地理位置的不同，天气和温度条件便不同。比如，华南地区在旺季时的温度一般为最高，东北地区在旺季时的温度一般为最低，其余地方的温度介于最高温和最低温之间，因此需要根据目标区域的地理位置进行划分。
82.其次，确认目标区域的最低温连续多天的情况，获取在目标周期内温度数据等于或高于低温阈值的累计天数。最后，根据累计天数得到目标区域的第一预测得分。
83.由此可见，第一预测得分和目标区域的地理位置、最高温、最低温、连续持续天数等因素均有关系。其具体的得分规则如下所示：
84.1、当目标区域为华南地区时：高温为37℃，低温27℃，低温 27℃连续三天。如果以后7天内低温累计等于或高于27℃，根据累计天数进行第一预测得分计算。
85.其中，第一预测得分的记分逻辑如下：累计6天-7天，得分20；累计4天-5天，得分15；累计3天，得分10；累计1-2天，得分5，累计0天，得分0。
86.2、当目标区域为中南地区、西南地区时：高温35℃，低温26℃，低温26℃连续三天。如以后7天内低温累计等于或高于26℃，根据累计天数进行第一预测得分计算。
87.记分逻辑和上述华南地区保持一致。
88.3、当目标区域为华东地区时：高温35℃，低温25℃，低温25℃连续三天，如以后7天内低温累计等于或高于25℃，根据累计天数进行第一预测得分计算。
89.记分逻辑和上述华南地区保持一致。
90.4、当目标区域为华北地区、东北地区或西北地区时：高温33℃，低温23℃，低温23℃连续三天。如以后7天内低温累计等于或高于 23℃，根据累计天数进行第一预测得分计算。
91.记分逻辑和上述华南地区保持一致。
92.本实施例提供的旺季空调支援需求度的预测方法，通过对目标区域的地理区域进行划分和确认，获得在目标区域在连续天数内高于最低温阈值的累计天数获取第一预测得分，从而获取了在天气温度维度下的预测得分，便于后续进行相加预测得分的计算以及根据综合预测得分进行预警提示和支援。
93.基于以上实施例，所述基于所述预测模型对所述安装需求量进行分析得到第二预测得分，包括：
94.获取在所述目标区域内用户每天对空调的安装需求量；
95.获取所述安装需求量在连续第二目标天数内的任一天中所述安装需求量和历史峰值的关系，基于所述预测模型对所述安装需求量和历史峰值的关系进行分析，得到所述目标区域的第二预测得分。
96.具体地，本实施例提供了基于预测模型对目标区域的安装需求量即安装趋势进行分析，从而得到第二预测得分的实施方式之一。
97.本实施例中，需要获取安装需求量的连续两天和历史峰值之间的关系，历史峰值即为空调安装需求量的最大值。然后利用预测模型对安装需求量和历史峰值之间的关系，获得第二预测得分。
98.获取安装需求连续2天和历史峰值之间的关系，其中任一天和历史峰值之间的关系为一个条件。记分逻辑如下：达成任一个条件，即任一天达到历史峰值，得分20分；达成任一个条件的80％—90％，即任一天达到历史峰值的80％—90％，得分15分；达成任一个条件的60％-80％，即任一天达到历史峰值的60％—80％，得分10分；任一天达到历史峰值的60％以下，得分5分。
99.本实施例提供的旺季空调支援需求度的预测方法，通过获得安装需求量和历史峰值之间的关系来得到第二预测得分，从而获取了在安装需求量维度下的预测得分，便于后续进行相加预测得分的计算以及根据综合预测得分进行预警提示和支援。
100.基于以上实施例，所述基于所述预测模型对所述安装需求量进行分析得到第二预测得分，包括：
101.基于所述目标区域的地理位置将所述目标区域划分为第一区域、第二区域以及第三区域；
102.选取所述第一区域、第二区域或第三区域作为目标预测区域；
103.获取在所述目标预测区域内连续第三目标天数的安装需求量，并获取所述安装需求量和淡季日均安装量之间的目标倍数；
104.其中，所述淡季日均安装量基于所述目标区域的地理位置确定；
105.基于所述预测模型对所述目标倍数进行分析，获取所述目标预测区域的第二预测得分。
106.具体地，本实施例提供了基于预测模型对目标区域的安装需求量即安装趋势进行分析，从而得到第二预测得分的实施方式之二。
107.首先，根据目标区域的地理位置，将目标区域划分为第一区域、第二区域和第三区域。其中，第一区域即为华南地区。第二区域为西南地区、华中地区和华东地区。第三区域为除上述地区外的其他地区，如西北地区、华北地区等。受地区影响，第一区域、第二区域和第三区域具有不同的预测得分计算规则。
108.然后，根据第一区域、第二区域和第三区域的预测得分计算规则获取目标预测区域的预测得分。也就是说，当目标区域为不同情况时，根据不同的得分规则进行第二预测得分的计算。
109.具体体现为，计算在连续天数情况下，安装需求量和对应的目标预测区域的淡季日均安装量之间的目标倍数。最后，基于预测模型对目标倍数进行分析，获取目标预测区域的第二预测得分。
110.具体的得分规则如下所示：
111.1、华南(第一区域)：安装需求连续3天超1-4月日安装量2倍；记分逻辑：超2倍记20分，超1倍计分10分，1倍以下不计分；
112.2、西南、华中、华东(第二区域)：安装需求连续3天超1-5月日安装量3倍；记分逻辑：超3倍记20分，超2倍记15分，超1倍记10分，1倍以下不计分；
113.3、其他区域(第三区域)：安装需求连续3天超1-6月日安装量 5倍；记分逻辑：超5倍记20分，3-4倍记15分，1-2倍记10分，1 倍以下不计分。
114.本实施例提供的旺季空调支援需求度的预测方法，通过对目标区域的地理区域进行划分和确认，获得在不同的目标预测区域的安装需求量和对应的目标预测区域的淡季日均安装量之间的目标倍数，根据目标倍数获取第二预测得分，从而获取了在安装需求量维度下的预测得分，便于后续进行相加预测得分的计算以及根据综合预测得分进行预警提示和支援。
115.基于以上实施例，所述基于所述预测模型对所述服务时效进行分析得到第三预测得分，包括：
116.基于用户的预约服务时间获取第一服务时效，以及基于用户的登记时间和结单时间获取第二服务时效；
117.基于所述预测模型对所述第一服务时效或第二服务时效进行分析得到第三预测得分。
118.具体地，本实施例提供了基于预测模型对目标区域的服务时效进行分析，从而得到第三预测得分的过程。
119.首先需要获取两种不同情况下的服务时效。一种为网点信息预约服务时间在48小时以后，也就是说48小时之后进行服务，即受过服务的用户的服务时效作为第一服务时效。另一种为根据用户的登记时间和结单时间进行计算，也就是已经受过服务的客户的服务时效作为第二服务时效。
120.然后基于预测模型对第一服务时效或第二服务时效进行分析，得到目标区域的空
调支援需求度的第三预测得分。
121.具体的得分规则如下所示：
122.1、网点信息预约服务时间在48小时以后的比例大于等于50％时记10分，30-40％记5分，30％以下记3分；
123.2、用户信息登记时间到结单时间超48小时的比例大于等于50％记10分，30-40％记5分，30％以下记3分。
124.本实施例提供的旺季空调支援需求度的预测方法，通过获得用户的两种不同的服务时效，利用预测模型根据任一种服务时效获取第二预测得分，从而获取了在安装需求量维度下的预测得分，便于后续进行相加预测得分的计算以及根据综合预测得分进行预警提示和支援。
125.在另一实施例中，基于所述预测模型对所述用户催办频率进行分析得到第四预测得分，具体体现为：
126.用户催办频率即为网点二次来催安装：连续3天是t-3日的倍数，其中t表示当前天数；记分逻辑如下：大于等于2倍记30分，大于等于1倍记20分，持平及1倍之间记10分。
127.基于所述预测模型对所述库存数据进行分析得到第五预测得分，具体体现为：
128.小微商业的库存数据满足天数零售量；记分逻辑如下：大于等于 7天得分10分，4-6得分5分，3天以下得分3分。
129.基于以上实施例，所述基于所述综合预测得分判定所述目标区域是否需要进行预警和/或支援，包括：
130.在所述综合预测得分高于第一目标阈值且低于第二目标阈值的情况下，对所述目标区域发出预警提示；
131.在所述综合预测得分高于第二目标阈值的情况下，对所述目标区域发出预警提示，并强制启动支援所述目标区域。
132.具体地，本实施例提供了根据综合预测得分进行预警和/或支援的实施过程。
133.1、当综合预测得分高于第一目标阈值且低于第二目标阈值的情况下，对目标区域发出预警提示。
134.2、当综合预测得分高于第二目标阈值的情况下，对目标区域发出预警提示，并强制启动支援目标区域。
135.3、当综合预测得分低于第一目标阈值的情况下，不对目标发出预警和/或支援。
136.需要说明的是，本实施例中的第一目标阈值可设置为50，第二目标阈值可设置为80。也可根据实际情况设置为不同的数字，在此不做过多限定。
137.本实施例提供的旺季空调支援需求度的预测方法，通过对综合预测得分进行分析，对于不同的得分情况采取不同的措施，从而能够及时地对空调支援需求度较大的地区进行预警提示和支援，不仅解决了旺季空调的空调使用问题，而且通过模型进行预测计算，不仅实现了空调旺季支援的事后模式转化为事前模式，而且减少了大量的人力，提升了旺季用户体验。
138.下面对本技术提供的旺季空调支援需求度的预测装置进行描述，下文描述的旺季空调支援需求度的预测装置与上文描述的旺季空调支援需求度的预测方法可相互对应参照。
139.参照图3，本技术提供的旺季空调支援需求度的预测装置，包括：模型建立单元310、得分获取单元320以及预警单元330。
140.模型建立单元310，用于建立旺季空调支援需求度的预测模型；
141.得分获取单元320，用于获取目标区域多个维度不同的目标数据，基于所述预测模型对不同的目标数据进行分析，得到所述目标区域的综合预测得分；
142.预警单元330，用于基于所述综合预测得分判定所述目标区域是否需要进行预警和/或支援。
143.基于以上实施例，所述目标区域多个维度的目标数据包括温度数据、安装需求量、服务时效、用户催办频率以及库存数据；
144.得分获取单元，具体包括：
145.第一子单元，用于基于所述预测模型对所述温度数据进行分析得到第一预测得分；
146.第二子单元，用于基于所述预测模型对所述安装需求量进行分析得到第二预测得分；
147.第三子单元，用于基于所述预测模型对所述服务时效进行分析得到第三预测得分；
148.第四子单元，用于基于所述预测模型对所述用户催办频率进行分析得到第四预测得分；
149.第五子单元，用于基于所述预测模型对所述库存数据进行分析得到第五预测得分；
150.综合子单元，用于将所述第一预测得分、第二预测得分、第三预测得分、第四预测得分以及第五预测得分进行相加，得到所述多个维度的综合预测得分。
151.基于以上实施例，第一子单元，具体用于：
152.确认所述目标区域的地理位置，并基于所述地理位置获取所述目标区域的高温阈值和低温阈值；
153.在确认所述目标区域以不低于所述低温阈值的温度数据持续第一目标天数的情况下，获取在目标周期内所述温度数据等于或高于所述低温阈值的累计天数；
154.基于所述预测模型对所述累计天数进行分析，得到所述目标区域的第一预测得分。
155.基于以上实施例，第二子单元，具体用于：
156.获取在所述目标区域内用户每天对空调的安装需求量；
157.获取所述安装需求量在连续第二目标天数内的任一天中所述安装需求量和历史峰值的关系，基于所述预测模型对所述安装需求量和历史峰值的关系进行分析，得到所述目标区域的第二预测得分。
158.基于以上实施例，第二子单元，具体用于：
159.基于所述目标区域的地理位置将所述目标区域划分为第一区域、第二区域以及第三区域；
160.选取所述第一区域、第二区域或第三区域作为目标预测区域；
161.获取在所述目标预测区域内连续第三目标天数的安装需求量，并获取所述安装需
求量和淡季日均安装量之间的目标倍数；
162.其中，所述淡季日均安装量基于所述目标区域的地理位置确定；
163.基于所述预测模型对所述目标倍数进行分析，获取所述目标预测区域的第二预测得分。
164.基于以上实施例，第三子单元，具体用于：
165.基于用户的预约服务时间获取第一服务时效，以及基于用户的登记时间和结单时间获取第二服务时效；
166.基于所述预测模型对所述第一服务时效或第二服务时效进行分析得到第三预测得分。
167.基于以上实施例，预警单元，具体用于：
168.在所述综合预测得分高于第一目标阈值且低于第二目标阈值的情况下，对所述目标区域发出预警提示；
169.在所述综合预测得分高于第二目标阈值的情况下，对所述目标区域发出预警提示，并强制启动支援所述目标区域。
170.根据本技术实施例的一个方面，提供了一种旺季空调支援需求度的预测方法。该旺季空调支援需求度的预测方法广泛应用于智慧家庭 (smart home)、智能家居、智能家用设备生态、智慧住宅(intelligencehouse)生态等全屋智能数字化控制应用场景。可选地，在本实施例中，上述旺季空调支援需求度的预测方法可以应用于如图4所示的由终端设备402和服务器404所构成的硬件环境中。如图4所示，服务器404通过网络与终端设备402进行连接，可用于为终端或终端上安装的客户端提供服务(如应用服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器404提供数据存储服务，可在服务器上或独立于服务器配置云计算和/或边缘计算服务，用于为服务器404 提供数据运算服务。
171.上述网络可以包括但不限于以下至少之一：有线网络，无线网络。上述有线网络可以包括但不限于以下至少之一：广域网，城域网，局域网，上述无线网络可以包括但不限于以下至少之一：wifi(wirelessfidelity，无线保真)，蓝牙。终端设备402可以并不限定于为pc、手机、平板电脑、智能空调、智能烟机、智能冰箱、智能烤箱、智能炉灶、智能洗衣机、智能热水器、智能洗涤设备、智能洗碗机、智能投影设备、智能电视、智能晾衣架、智能窗帘、智能影音、智能插座、智能音响、智能音箱、智能新风设备、智能厨卫设备、智能卫浴设备、智能扫地机器人、智能擦窗机器人、智能拖地机器人、智能空气净化设备、智能蒸箱、智能微波炉、智能厨宝、智能净化器、智能饮水机、智能门锁等。
172.图5示例了一种电子装置的实体结构示意图，如图5所示，该电子装置可以包括：处理器(processor)510、通信接口(communicationsinterface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行旺季空调支援需求度的预测方法，该方法包括：建立旺季空调支援需求度的预测模型；获取目标区域多个维度不同的目标数据，基于所述预测模型对不同的目标数据进行分析，得到所述目标区域的综合预测得分；基于所述综合预测得分判定所述目标区域是否需要进行预警和/或支援。
173.此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本
申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
174.另一方面，本技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在计算机可读的存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的旺季空调支援需求度的预测方法，该方法包括：建立旺季空调支援需求度的预测模型；获取目标区域多个维度不同的目标数据，基于所述预测模型对不同的目标数据进行分析，得到所述目标区域的综合预测得分；基于所述综合预测得分判定所述目标区域是否需要进行预警和/或支援。
175.又一方面，本技术还提供一种计算机可读的存储介质，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述各方法提供的旺季空调支援需求度的预测方法，该方法包括：建立旺季空调支援需求度的预测模型；获取目标区域多个维度不同的目标数据，基于所述预测模型对不同的目标数据进行分析，得到所述目标区域的综合预测得分；基于所述综合预测得分判定所述目标区域是否需要进行预警和/或支援。
176.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
177.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
178.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。