随着物联网技术成为技术人员关注的热点,作为物联网的一种重要应用——智能家居正在高速发展,对智能家居的研究和开发应当是下一阶段的重中之重。目前市面上的智能家居系统能够提供一些环境的监测和家用电器的远程控制,但是尚未达到更高的“智能性”需求,即家电控制系统本身具备积累经验和自主学习能力,用于自主学习用户的行为并推理出系统的最优控制解决方案。此次学位论文工作,旨在将基于树莓派的嵌入式系统软件开发和智能控制算法相结合,使得智能家居系统真正拥有自己的“大脑”,具有很好的现实意义。本课题开发的是基于行为预测算法的智能家电控制系统,实现的是一个可以通过网络对家用电器进行远程控制的智能控制方案。其可以接入大部分室内物联网环境,并能根据用户先前的行为预测下一步行为。该系统包括下位机智能终端和上位机控制平台两部分,其中下位机由多个室内环境传感器和Arduino单片机组成,负责采集智能家居中如温度、湿度、光照等各类参数,配合ESP8266无线模块利用WiFi无线通信的方式实现数据的传输,通信过程使用TCP协议Socket完成;上位机部分为Java应用程序,在搭建完运行环境后运行程序等待接收来自Arduino的连接,将采集到的数据存储在数据库当中,通过预测算法完成对下位机的远程监控和智能管理。同时,本课题将自然语言处理当中的词嵌入算法引入到该系统当中,运用类似的思想,先将智能家居中每个用户的行为映射到向量空间中,与其相关联的行为也转换成相应的向量。然后构建一个多对一的长短期记忆网络(LSTM),通过训练LSTM网络后输出的向量和与其相近的向量得到预测结果。实验结果显示,引入词嵌入算法后的行为预测准确度达到82.3%,并适用于多用户智能空间的场景,相比于传统预测算法有显著改善。本系统最大程度的利用上家庭中的各种数据,针对各个用户自己的习惯,自动的替用户做出未来的决策,为用户提供便捷的智能居家环境体验。