Stap 5: Predicitive algoritme
Nu, voor het leuke deel. Toekomstige zicht!
Ter uitvoering van de voorspellende algoritme, zullen we gebruiken een Machine Learning -techniek genaamd van Lineaire regressie. Het maakt een schatting van de toekomstige waarden van een dataset door een streep door alle gegevenspunten, uitgevoerd en het bepalen van beste passen met behulp van de methode van de kleinste kwadraten. In eenvoudige termen, het doorlopen van alle mogelijke lijn waarden in de ruimte, en besluit dat degene met de minste fout of afwijking in lezingen de beste pasvorm is. Deze regel wordt vervolgens geëxtrapoleerd vind je de volgende waarde van de dataset. Zoals onze dataset een tijdreeks is stelt het volgende punt komt overeen met de volgende lezing tijdig!
Dus nu dat we de dataset van punten in onze database hebben, kunt we de pakketten numpy en matplotlib in Python plot van deze gegevens en het extrapoleren van de lijn om te zoeken naar de volgende mogelijke waarde. Zodra dit waarde wordt gevonden voorspelde, stuurt de Raspberry Pi dit naar de Intel Edison, waar het wordt vergeleken met de bestaande waarde. Als de bestaande waarde is lager dan de voorspelde waarde, schakelt de Edison over op de pomp om water van de plant.
U kunt dit algoritme implementeren in MatLab alsook met behulp van de bijgevoegde voorbeeld. Download uw waarden van Thingspeak als een CSV-bestand en kopieer ze naar de map waar uw MatLab uitvoerbaar is. Op de uitvoering, moet je een lineaire lijn zoals aangegeven.