1.一种智能家居系统，其特征在于，包括智能监测装置、智能家居网关、终端设备以及智能家居设备，所述智能监测装置与所述智能家居设备无线连接，用于获取智能家居设备的信息和对智能家居设备状态进行预测，并将所述智能家居设备的信息和预测结果发送至智能家居网关，所述智能家居网关与所述智能家居设备、所述智能监测装置及所述终端设备无线连接，用于将所述智能家居设备的信息和预测结果发送至所述的终端设备，所述终端设备用于向智能家居网关发送控制信息，所述智能家居网关将接收到的控制信息转发至智能家居设备以实现对智能家居设备的控制。

2.根据权利要求1所述的智能家居系统，其特征在于，所述无线连接为WIFI连接。

3.根据权利要求2所述的智能家居系统，其特征在于，所述智能家居设备包括智能电视、智能空调和智能冰箱。

4.根据权利要求3所述的智能家居系统，其特征在于，所述智能监测装置采用设备预测子系统对智能家居设备状态进行预测，所述设备预测子系统包括初步预测模块、二次预测模块、综合预测模块和性能评估模块，所述初步预测模块用于对智能家居设备的状态进行初步预测，得到初步预测结果，所述二次预测模块用于根据初步预测结果对智能家居设备的状态进行二次预测，得到二次预测结果，所述综合预测模块根据初步预测结果和二次预测结果获取智能家居设备状态的最终预测结果，所述性能评估模块用于对状态预测效果进行评价。

5.根据权利要求4所述的智能家居系统，其特征在于，所述对智能家居设备的状态进行初步预测，具体为：第一步、假定时间序列输入为A＝(a1，a2,…,al)，真实期望输出为EHt＝(b1，b2,…,bt)，基于自回归滑动平均模型建立第一预测函数对时间序列进行预测：上述式子中，n表示自回归阶数，m表示

滑动平均阶数，βi表示自回归系数，γi表示滑动平均系数，{ct}表示白噪声序列， 表示初步预测结果；

第二步、采用AIC准则对自回归阶数和滑动平均阶数估计，采用最小二乘法对自回归系数和滑动平均系数进行估计，对初步预测结果进行求解：上述式子中， 表示自回归系数估计

值，表示滑动平均系数估计值，表示自回归阶数估计值， 表示滑动平均阶数估计值。

6.根据权利要求5所述的智能家居系统，其特征在于，所述对智能家居设备的状态进行二次预测，具体为：在初步预测结果的基础上基于神经网络模型建立第二预测函数：上述式子中，wq和

wpq表示神经网络的连接权重，p和q表示神经网络输入层和中间层的节点数量，d0和d0j表示偏置项， 表示二次预测结果；

所述根据初步预测结果和二次预测结果获取智能家居设备状态的最终预测结果，具体为： 上述式子中， 表示最终预测结果。

7.根据权利要求6所述的智能家居系统，其特征在于，所述性能评估模块包括第一预警子模块和第二评估子模块，所述第一预警子模块用于对智能家居设备异常情况进行预警，所述第二评估子模块用于根据预警情况对状态预测效果进行评价；

所述对智能家居设备异常情况进行预警，具体为：采用综合预测模块对智能家居设备的状态进行监测，通过智能家居设备历史数据获取预测结果，当智能家居设备的运行状态偏离预测结果达到一定值，则发出智能家居设备异常的预警；

所述第二评估子模块包括一次评价单元、二次评价单元和三次评价单元，所述一次评价单元用于确定第一评价因子，所述二次评价单元用于确定第二评价因子，所述三次评价单元用于根据第一评价因子和第二评价因子对状态预测效果进行评价；

所述确定第一评价因子，具体为：建立第一评价函数： 上

述式子中，N表示全部监测次数，N1表示虚警的次数，YW1表示第一评价因子；

所述确定第二评价因子，具体为：建立第二评价函数： 上述式子

中，N2表示漏警的次数，YW1表示第一评价因子；

所述对状态预测效果进行评价，具体为：建立综合评价函数：

上述式子中，YW表示预测评价因子，预测评价因子越大，预测结果越准确。