湿度控制方法、装置、电子设备及存储介质

技术领域

本发明实施例涉及电子设备技术领域，尤其涉及一种湿度控制方法、装置、电子设备及存储介质。

背景技术

随着人们日常生活水平的提高和科学技术的不断发展，人们对于身边的电子设备本身所携带的功能要求越来越多。例如空调设备，现在的空调设备不仅仅具有温度控制功能，还可以包括时间监控、温度监测等功能。随着技术的不断改进，越来越多的空调也慢慢开始具备湿度控制功能。

现有技术中的湿度控制技术的具体实现，例如可以包括根据经验设定。例如形成一个室内温度与目标温湿度范围之间的关系表，当设定某个温度时，通过查询当前温度所在目标温度范围，进而匹配与目标温度范围对应的目标湿度范围，以此控制室内湿度达到对应的目标湿度范围。又或者，根据需要设定的温度，来确定相对湿度。并获取当前室内湿度，计算当前室内湿度和相对湿度差值，来对空调湿度控制进行调整。

以上方案中，可以发现，都是根据室内温度来确定最佳湿度设定值，然后控制空调内部操作，实现加湿操作。但是考虑到实际的复杂工况，上述所得到的最佳湿度设定值往往是不准确的，并不能给到用户比较舒适的室内环境体验。

发明内容

鉴于此，为解决现有技术中不能准确的确定室内湿度数据，使得用户不能获得更加舒适的室内环境体验的技术问题，本发明实施例提供一种湿度控制方法、装置、电子设备及存储介质。

第一方面，本发明实施例提供一种湿度控制方法，该方法包括：

获取当前与目标空气调节器对应的温湿度数据，其中，与目标空气调节器对应的温湿度数据分别包括：目标空气调节器对应的室外温度数据和湿度数据，以及目标空气调节器设定的温度数据；

将室外温度数据、湿度数据以及空气调节器设定温度数据，加入到预构建的湿度预测模型中，获取目标湿度数据；

根据目标湿度数据对目标空气调节器进行控制。

在一个可能的实施方式中，室外温度数据包括第一温度数据和第二温度数据，室外湿度数据包括第一湿度数据和第二湿度数据；

其中，第一温度数据包括通过目标空气调节器所在位置所属的预设区域的气象数据中，获取的室外温度数据；第二温度数据包括目标空气调节器检测的室外温度数据；

第一湿度数据包括通过目标空气调节器所在位置所属的预设区域的气象数据中，获取的室外湿度数据；第二湿度数据包括目标空气调节器检测的室外湿度数据。

在一个可能的实施方式中，预构建的湿度预测模型为：根据预设历史时间段内目标空气调节器所在位置所属的预设区域的温湿度数据、预设区域的不同空气调节器分别对应的室外温湿度数据、每一个空气调节器设定的温度数据，以及预设区域内的空气调节器输出的湿度数据，共同进行训练后所获取的湿度预测模型。

在一个可能的实施方式中，预设区域内的空气调节器输出的湿度数据，包括：

预设区域内的每一个空气调节器输出的湿度数据，

或预设区域内的所有空气调节器输出的湿度数据的平均值。

在一个可能的实施方式中，预设区域内的空气调节器输出的湿度数据，包括：

预设区域内，与目标空气调节器设定的温度数据相同的空气调节器输出的湿度数据，

或，

预设区域内，与目标空气调节器设定的温度数据相同的空气调节器输出的湿度数据的平均值。

在一个可能的实施方式中，根据目标湿度数据对目标空气调节器进行控制之前，方法还包括：

确定是否获取到用户设定的湿度数据；

当获取到用户设定的湿度数据时，根据用户设定的湿度数据对目标空气调节器进行控制。

在一个可能的实施方式中，当获取到用户设定的湿度数据后，方法还包括：

将用户设定的湿度数据和与目标空气调节器对应的温湿度数据共同加入到预构建的湿度预测模型中，对湿度预测模型进行迭代训练。

第二方面，本发明实施例提供一种湿度控制装置，该装置包括：

获取单元，用于获取当前与目标空气调节器对应的温湿度数据，其中，与目标空气调节器对应的温湿度数据分别包括：目标空气调节器对应的室外温度数据和湿度数据，以及目标空气调节器设定的温度数据；

处理单元，用于将室外温度数据、湿度数据以及空气调节器设定温度数据，加入到预构建的湿度预测模型中，获取目标湿度数据；

控制单元，用于根据目标湿度数据对目标空气调节器进行控制。

第三方面，本发明实施例提供一种电子设备，该电子设备包括：至少一个处理器、存储器、通信装置以及至少两个传感器；

通信装置，和至少一个传感器，共同用于获取目标空气调节器对应的室外温度数据和湿度数据；

至少两个传感器中其他传感器用于获取目标空气调节器设定的温度数据；

处理器用于执行存储器中存储的湿度控制程序，以实现如第一方面任一实施方式所介绍的湿度控制方法。

第四方面，本发明实施例提供一种计算机存储介质，该计算机存储介质存储有一个或者多个程序，一个或者多个程序可被如第三方面所介绍的电子设备执行，以实现如第一方面任一实施方式所介绍的湿度控制方法。

本发明实施例提供的一种湿度控制方法，获取当前与目标空气调节器对应的温湿度数据，其中，温湿度数据包括目标空气调节器对应的室外温度数据和湿度数据，以及目标空气调节器设定的温度数据，然后将这些温湿度数据加入到预构建的湿度预测模型中，通过湿度预测模型输出得到目标湿度数据。并根据目标湿度数据对目标空气调节器进行控制。通过该方式，不仅仅参看目标空气调节器设定的温度数据，还要结合室外的温度数据和湿度数据来确定更优的目标湿度数据。而且，该过程中，并没有根据经验设定目标湿度数据，而是经过大数据训练后所得到的湿度预测模型生成的目标湿度数据，相较于现有技术，所获取的目标湿度数据更加科学，利用其最终获取的目标湿度数据完成对室内湿度控制，将会让用户觉得更加舒适，提高用户体验度。

附图说明

图1为本发明实施例提供的一种湿度控制方法流程示意图；

图2为本发明提供的一种湿度控制原理逻辑示意图；

图3为本发明实施例提供的一种湿度控制装置结构示意图；

图4为本发明实施例提供一种电子设备结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

为便于对本发明实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本发明实施例的限定。

图1为本发明实施例提供的一种湿度控制方法流程示意图，如图1所示，该方法包括：

步骤110，获取当前与目标空气调节器对应的温湿度数据。

具体的，与目标空气调节器对应的温湿度数据分别包括：目标空气调节器对应的室外温度数据和湿度数据，以及目标空气调节器设定的温度数据。

可选的在一个具体的例子中，室外温度数据可以包括室外温度数据包括第一温度数据和第二温度数据，室外湿度数据包括第一湿度数据和第二湿度数据；

其中，第一温度数据包括通过目标空气调节器所在位置所属的预设区域的气象数据中，获取的室外温度数据；第二温度数据包括目标空气调节器检测的室外温度数据；

第一湿度数据包括通过目标空气调节器所在位置所属的预设区域的气象数据中，获取的室外湿度数据；第二湿度数据包括目标空气调节器检测的室外湿度数据。

温度数据和湿度数据之所以包括气象数据中的温湿度数据，又包括目标空气调节器自身所检测的温湿度数据，是因为气象数据所体现的是一个区域性的温度数据。例如，如果空气调节器所在位置为XX市XX区的某一个小区内的房屋内。那么，目标空气调节器所在位置所属的预设区域可以设定为XX区，现有的气象数据也基本是细化到某个市的某个区。因此，当前的气象数据并不能直接代表空气调节器所在位置对应的室外温湿度数据。空气调节器，例如可以是空调，或者其他同时具有温度控制和湿度控制的设备，又或者是具有温度控制的设备和具有湿度控制的设备的组合。不论哪一种情况，设备所采集的室外的温度数据和湿度数据都是特定某个位置的数据，数据本身很难具备一定的代表性。例如空调，空调室外机一般安装的环境比较复杂，所以通过空调的室外机上所安装的温度传感器和湿度传感器分别采集的温度数据和湿度数据也很难直接用来表征空调所在位置室外的温度数据和湿度数据。因此，经过综合考虑后，可以结合通过气象数据所获取的温湿度数据和目标空气调节器所检测到的室外温湿度数据，共同作为目标空气调节器对应的室外温度数据和湿度数据。其中，气象数据可以通过很多路径获取，例如通过云端数据平台获取，又或者直接通过与空气调节器建立通信连接的其他设备或APP等获取。具体参见图2所示，图2中显示的是湿度控制原理逻辑图。在图2中显示的是通过云端获取气象数据。目标空气调节器所检测到的室外温湿度数据则可以通过传感器获取得到。

为了确定最终的目标湿度数据，不仅仅要考虑室外的温湿度数据，还需要考虑室内的温度数据。如果室内温度过高，就容易导致室内湿度低，过于干燥。不能为用户提供比较舒适的环境。因此，与目标空气调节器对应的温湿度数据中，还包括目标空气调节器设定的温度数据。

步骤120，将室外温度数据、湿度数据以及空气调节器设定温度数据，加入到预构建的湿度预测模型中，获取目标湿度数据。

具体的，预构建的湿度预测模型是预先训练好的湿度预测模型。具体在训练时，输入的参数数据可以包括：预设历史时间段内目标空气调节器所在位置所属的预设区域的温湿度数据、预设区域的不同空气调节器分别对应的室外温湿度数据、每一个空气调节器设定的温度数据，以及预设区域内的空气调节器输出的湿度数据。

即，根据预设历史时间段内目标空气调节器所在位置所属的预设区域的温湿度数据、预设区域的不同空气调节器分别对应的室外温湿度数据、每一个空气调节器设定的温度数据，以及预设区域内的空气调节器输出的湿度数据，共同进行训练后所获取的湿度预测模型。

需要说明的是，这里所说的预设区域的空气调节器，实际是指已经连入网络内的空气调节器。当空气调节器连入网络后，才可以获取到不同空气调节器分别对应的室外温湿度数据、每一个空调调节器设定的温度数据，以及预设区域内的空气调节器输出的湿度数据。

可选的，在一个具体的例子中，预设区域内的空气调节器输出的湿度数据，包括：

预设区域内的每一个空气调节器输出的湿度数据，

或预设区域内的所有空气调节器输出的湿度数据的平均值。

在另一个具体的例子中，预设区域内的空气调节器输出的湿度数据，包括：

预设区域内，与目标空气调节器设定的温度数据相同的空气调节器输出的湿度数据，

或，

预设区域内，与目标空气调节器设定的温度数据相同的空气调节器输出的湿度数据的平均值。

以上，仅仅是列举两个具体的例子，具有的预设区域内的空气调节器输出的湿度数据具体如何定义，可以根据实际情况设定，这里不再过多说明。

进一步可选的，湿度预测模型可以包括但不限于BP湿度预测模型，或者是径向基函数(Radial Basis Function，简称RBF)神经网络。

在一个具体的例子中，当神经网络为BP神经网络，获取目标湿度数据时，参见如下：

神经网络层数可以设定为3～7层，输入层的神经元数量为5个，分别对应当地气象温度、湿度、空气调节器检测的室外的温度、湿度及目标空气调节器设定的温度数据；输出层神经元数量为1个，对应目标湿度数据；中间层的神经元个数可以为6～10个。

当然，上述仅仅是列举了一个具体的例子，实际上BP网络的结构(层数、神经元个数)都可以根据实际情况进行调整，具体可以根据空气调节器的芯片计算能力决定。如果计算能力有限，可以减少神经层数和神经元个数，牺牲准确性；如果计算能力比较强大，也可以增加神经元个数或者层数。而且BP网络的激活函数也有多种模式，也有若干优化学习速度的方法，都可以根据需要选用。

步骤130，根据目标湿度数据对目标空气调节器进行控制。

最终，目标空气调节器只要以目标湿度数据为基准，调整内部部件的操作，完成室内湿度控制即可。

可选的，如果在执行步骤130之前，用户自行设置了湿度控制参数，也即是获取到用户设定的湿度数据。那么，本次目标空气调节器则可以按照用户设定的湿度数据对目标空气调节器进行控制。

进一步的，为了更加优化湿度预测模型，使得湿度预测模型更加贴近用户的选择，以便最终的湿度控制符合用户的个性化设计，因此，该方法还可以包括：

将用户设定的湿度数据和与目标空气调节器对应的温湿度数据共同加入到预构建的湿度预测模型中，对湿度预测模型进行迭代训练。上述过程可以参见图1的方法流程图，也可以参见图2所示的逻辑控制图。附图1至2中的描述具体参见上文，这里不再过多说明。

本发明实施例提供的湿度控制方法，获取当前与目标空气调节器对应的温湿度数据，其中，温湿度数据包括目标空气调节器对应的室外温度数据和湿度数据，以及目标空气调节器设定的温度数据，然后将这些温湿度数据加入到预构建的湿度预测模型中，通过湿度预测模型输出得到目标湿度数据。并根据目标湿度数据对目标空气调节器进行控制。通过该方式，不仅仅参看目标空气调节器设定的温度数据，还要结合室外的温度数据和湿度数据来确定更优的目标湿度数据。而且，该过程中，并没有根据经验设定目标湿度数据，而是经过大数据训练后所得到的湿度预测模型生成的目标湿度数据，相较于现有技术，所获取的目标湿度数据更加科学，利用其最终获取的目标湿度数据完成对室内湿度控制，将会让用户觉得更加舒适，提高用户体验度。

图3为本发明实施例提供的一种湿度控制装置，该装置包括：获取单元301、处理单元302和控制单元303。

获取单元301，用于获取当前与目标空气调节器对应的温湿度数据，其中，与目标空气调节器对应的温湿度数据分别包括：目标空气调节器对应的室外温度数据和湿度数据，以及目标空气调节器设定的温度数据；

处理单元302，用于将室外温度数据、湿度数据以及空气调节器设定温度数据，加入到预构建的湿度预测模型中，获取目标湿度数据；

控制单元303，用于根据目标湿度数据对目标空气调节器进行控制。

可选的，室外温度数据包括第一温度数据和第二温度数据，室外湿度数据包括第一湿度数据和第二湿度数据；

其中，第一温度数据包括通过目标空气调节器所在位置所属的预设区域的气象数据中，获取的室外温度数据；第二温度数据包括目标空气调节器检测的室外温度数据；

第一湿度数据包括通过目标空气调节器所在位置所属的预设区域的气象数据中，获取的室外湿度数据；第二湿度数据包括目标空气调节器检测的室外湿度数据。

可选的，预构建的湿度预测模型为：根据预设历史时间段内目标空气调节器所在位置所属的预设区域的温湿度数据、预设区域的不同空气调节器分别对应的室外温湿度数据、每一个空气调节器设定的温度数据，以及预设区域内的空气调节器输出的湿度数据，共同进行训练后所获取的湿度预测模型。

可选的，预设区域内的空气调节器输出的湿度数据，包括：

预设区域内的每一个空气调节器输出的湿度数据，

或预设区域内的所有空气调节器输出的湿度数据的平均值。

可选的，预设区域内的空气调节器输出的湿度数据，包括：

预设区域内，与目标空气调节器设定的温度数据相同的空气调节器输出的湿度数据，

或，

预设区域内，与目标空气调节器设定的温度数据相同的空气调节器输出的湿度数据的平均值。

可选的，处理单元302还用于，确定获取单元301是否获取到用户设定的湿度数据；

当获取单元301获取到用户设定的湿度数据时，处理单元302还用于，根据用户设定的湿度数据对目标空气调节器进行控制。

可选的，处理单元302还用于，将用户设定的湿度数据和与目标空气调节器对应的温湿度数据共同加入到预构建的湿度预测模型中，对湿度预测模型进行迭代训练。

本实施例提供的湿度控制装置中各功能部件所执行的功能均已在图1对应的实施例中做了详细介绍，因此这里不再赘述。

本发明实施例提供的一种湿度控制装置，获取当前与目标空气调节器对应的温湿度数据，其中，温湿度数据包括目标空气调节器对应的室外温度数据和湿度数据，以及目标空气调节器设定的温度数据，然后将这些温湿度数据加入到预构建的湿度预测模型中，通过湿度预测模型输出得到目标湿度数据。并根据目标湿度数据对目标空气调节器进行控制。通过该方式，不仅仅参看目标空气调节器设定的温度数据，还要结合室外的温度数据和湿度数据来确定更优的目标湿度数据。而且，该过程中，并没有根据经验设定目标湿度数据，而是经过大数据训练后所得到的湿度预测模型生成的目标湿度数据，相较于现有技术，所获取的目标湿度数据更加科学，利用其最终获取的目标湿度数据完成对室内湿度控制，将会让用户觉得更加舒适，提高用户体验度。

图4为本发明实施例提供的一种电子设备的结构示意图，电子设备可以是空气调节器本身，也可以是其他具有下文所介绍功能的电子设备。图4所示的电子设备400包括：至少一个处理器401、存储器402、至少一个网络接口403、其他用户接口404、通讯装置405以及传感器406。该电子设备400中的各个组件通过总线系统407耦合在一起。可理解，总线系统407用于实现这些组件之间的连接通信。总线系统407除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图4中将各种总线都标为总线系统407。

其中，用户接口404可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。

可以理解，本发明实施例中的存储器402可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本文描述的存储器402旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器402存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统4021和应用程序4022。

其中，操作系统4021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序4022，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序4022中。

在本发明实施例中，通过调用存储器402存储的程序或指令，具体的，可以是应用程序4022中存储的程序或指令，处理器401、通信装置405以及传感器406等协同合作，以执行各方法实施例所提供的方法步骤，例如包括：

通信装置，和至少一个传感器，共同用于获取目标空气调节器对应的室外温度数据和湿度数据；

至少两个传感器中其他传感器用于获取目标空气调节器设定的温度数据；

处理器用于执行如下步骤：

将室外温度数据、湿度数据以及空气调节器设定温度数据，加入到预构建的湿度预测模型中，获取目标湿度数据；

根据目标湿度数据对目标空气调节器进行控制。

可选的，室外温度数据包括第一温度数据和第二温度数据，室外湿度数据包括第一湿度数据和第二湿度数据；

其中，第一温度数据包括通过目标空气调节器所在位置所属的预设区域的气象数据中，获取的室外温度数据；第二温度数据包括目标空气调节器检测的室外温度数据；

第一湿度数据包括通过目标空气调节器所在位置所属的预设区域的气象数据中，获取的室外湿度数据；第二湿度数据包括目标空气调节器检测的室外湿度数据。

可选的，预构建的湿度预测模型为：根据预设历史时间段内目标空气调节器所在位置所属的预设区域的温湿度数据、预设区域的不同空气调节器分别对应的室外温湿度数据、每一个空气调节器设定的温度数据，以及预设区域内的空气调节器输出的湿度数据，共同进行训练后所获取的湿度预测模型。

可选的，预设区域内的空气调节器输出的湿度数据，包括：

预设区域内的每一个空气调节器输出的湿度数据，

或预设区域内的所有空气调节器输出的湿度数据的平均值。

可选的，预设区域内的空气调节器输出的湿度数据，包括：

预设区域内，与目标空气调节器设定的温度数据相同的空气调节器输出的湿度数据，

或，

预设区域内，与目标空气调节器设定的温度数据相同的空气调节器输出的湿度数据的平均值。

可选的，根据目标湿度数据对目标空气调节器进行控制之前，方法还包括：

确定是否获取到用户设定的湿度数据；

当获取到用户设定的湿度数据时，根据用户设定的湿度数据对目标空气调节器进行控制。

可选的，当获取到用户设定的湿度数据后，方法还包括：

将用户设定的湿度数据和与目标空气调节器对应的温湿度数据共同加入到预构建的湿度预测模型中，对湿度预测模型进行迭代训练。

上述本发明实施例揭示的方法可以应用于处理器401中，或者由处理器401实现。处理器401可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器401可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器402，处理器401读取存储器402中的信息，结合其硬件完成上述方法的步骤。

可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、数字信号处理设备(DSPDevice，DSPD)、可编程逻辑设备(Programmable LogicDevice，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请功能的其它电子单元或其组合中。

对于软件实现，可通过执行本文功能的单元来实现本文的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

本实施例提供的电子设备可以是如图4中所示的电子设备，可执行如图1中湿度控制方法的所有步骤，进而实现图1所示湿度控制方法的技术效果，具体请参照图1相关描述，为简洁描述，在此不作赘述。

本发明实施例还提供了一种存储介质(计算机可读存储介质)。这里的存储介质存储有一个或者多个程序。其中，存储介质可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可以包括上述种类的存储器的组合。

当存储介质中一个或者多个程序可被一个或者多个处理器执行，以实现上述在电子设备侧执行的湿度控制方法。

处理器用于执行存储器中存储的湿度控制程序，以实现以下在电子设备侧执行的湿度控制方法的步骤：

获取当前与目标空气调节器对应的温湿度数据，其中，与目标空气调节器对应的温湿度数据分别包括：目标空气调节器对应的室外温度数据和湿度数据，以及目标空气调节器设定的温度数据；

将室外温度数据、湿度数据以及空气调节器设定温度数据，加入到预构建的湿度预测模型中，获取目标湿度数据；

根据目标湿度数据对目标空气调节器进行控制。

可选的，室外温度数据包括第一温度数据和第二温度数据，室外湿度数据包括第一湿度数据和第二湿度数据；

其中，第一温度数据包括通过目标空气调节器所在位置所属的预设区域的气象数据中，获取的室外温度数据；第二温度数据包括目标空气调节器检测的室外温度数据；

第一湿度数据包括通过目标空气调节器所在位置所属的预设区域的气象数据中，获取的室外湿度数据；第二湿度数据包括目标空气调节器检测的室外湿度数据。

可选的，预构建的湿度预测模型为：根据预设历史时间段内目标空气调节器所在位置所属的预设区域的温湿度数据、预设区域的不同空气调节器分别对应的室外温湿度数据、每一个空气调节器设定的温度数据，以及预设区域内的空气调节器输出的湿度数据，共同进行训练后所获取的湿度预测模型。

可选的，预设区域内的空气调节器输出的湿度数据，包括：

预设区域内的每一个空气调节器输出的湿度数据，

或预设区域内的所有空气调节器输出的湿度数据的平均值。

可选的，预设区域内的空气调节器输出的湿度数据，包括：

预设区域内，与目标空气调节器设定的温度数据相同的空气调节器输出的湿度数据，

或，

预设区域内，与目标空气调节器设定的温度数据相同的空气调节器输出的湿度数据的平均值。

可选的，根据目标湿度数据对目标空气调节器进行控制之前，方法还包括：

确定是否获取到用户设定的湿度数据；

当获取到用户设定的湿度数据时，根据用户设定的湿度数据对目标空气调节器进行控制。

可选的，当获取到用户设定的湿度数据后，方法还包括：

将用户设定的湿度数据和与目标空气调节器对应的温湿度数据共同加入到预构建的湿度预测模型中，对湿度预测模型进行迭代训练。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。