1.一种智能家居系统，其特征在于：包括任务分配模块、规则预定义模块、适配分析模块以及智能控制模块，各模块之间通过信号连接；

任务分配模块，用于对云端和各边缘设备的处理能力、存储空间和网络条件进行评估，确定智能家居设备的性能指标，通过系统需求和能力评估，确定智能家居设备的最佳任务类型，根据确定的任务类型和性能指标对智能家居系统产生的任务进行分配；

规则预定义模块，用于智能家居的任务分配时结合规则引擎和机器学习确定在当前网络和设备状态下最优执行规则，并作为预定义的规则，对智能家居的执行规则策略进行控制，并使用历史数据对模型进行训练；

适配分析模块，用于对训练完毕的模型预测结果与预定义的规则之间匹配情况进行分析，获取进行规则匹配过程中产生的适配影响信息，确定模型的预测结果是否适配预定义的规则；

智能控制模块，用于根据模型的预测状态与预定义的规则的适配情况进行分析，生成分析结果，并根据分析结果执行相应规则；

对训练完毕的模型预测结果与预定义的规则之间匹配情况进行分析，获取进行规则匹配过程中产生的适配影响信息，包括以下步骤：适配影响信息包括预测波动信息、周期变化信息，预测波动信息中包括云边收敛平稳指数，周期变化信息中包括变化趋势适应指数；

将预测波动信息中的云边收敛平稳指数、周期变化信息中的变化趋势适应指数联立生成控制稳定系数；

云边收敛平稳指数与控制稳定系数成正比关系、变化趋势适应指数与控制稳定系数成正比关系；

云边收敛平稳指数的获取方式为：

获取单位时间内模型的预测数据并作为样本，获取样本个数n、模型预测值以及实际测量值，计算测量误差值，计算表达式为： ，式中， 、 分别表示第i个样本的实际测量值与模型预测值，获取实际测量均值 与模型预测均值 ，计算收敛确定值： ，获取模型输出从初始波动到达到稳定状态所需的样本个数m，计算预测平稳值，计算表达式为：，计算云边收敛平稳指数，计算表达式 为：

；

变化趋势适应指数的获取方式为：

获取时间序列数据，使用线性回归提取变化趋势，确定时间序列的观测点数量N，定义时间变量t，获取通过变化趋势提取得到的趋势值，趋势值计算表达式为： ，式中， 是截距， 是斜率，使用模型对未来的数据点进行预测得到预测值，计算趋势误差值，计算表达式为： ，式中， 是模型在时间t的预测值，计算趋势残差值，计算表达式为： ，获取趋势平均值 ，计算得到变化趋势适应指数，计算表达式为： 。

2.根据权利要求1所述的一种智能家居系统，其特征在于：智能家居的任务分配时结合规则引擎和机器学习确定在当前网络和设备状态下最优执行规则，对智能家居的执行规则策略进行控制，并使用历史数据对模型进行训练，具体步骤包括：收集需求，定义智能家居系统中的关键任务，包括数据收集、处理、存储和控制指令的执行，确定智能家居系统需求；

对云端和各边缘设备的处理能力、存储空间和网络条件进行评估，包括CPU速度、内存大小和存储空间，检查设备连接的网络速度和稳定性，评估云端和各边缘设备的能源效率和电源需求，确定云端和各边缘设备的能力评估结果；

根据系统需求和能力评估结果，确定每个智能家居设备的最佳任务类型， 根据确定的任务类型和性能指标对智能家居系统产生的任务进行分配。

3.根据权利要求2所述的一种智能家居系统，其特征在于：智能家居的任务分配时结合规则引擎和机器学习确定在当前网络和设备状态下最优执行规则，对智能家居的执行规则策略进行控制，并使用历史数据对模型进行训练，具体步骤包括：明确需要执行的各种任务的特性，包括数据处理、用户请求响应、视频流处理，将任务分为常规任务和复杂任务，常规任务使用规则引擎处理，复杂任务使用机器学习模型预测；

从智能家居系统中收集历史数据，包括任务类型、执行位置、网络状态、设备负载，并对历史数据进行预处理；

使用卡方检验、决策树或递归特征消除确定历史数据的信息量特征并作为主要特征，采用长短期记忆神经网络作为模型，使用预处理后历史数据作为训练样本进行模型的训练；

将主要特征和预处理后的历史数据作为训练数据输入模型中，训练数据包括训练集和测试集，使用训练集进行模型训练，使用测试集评估模型的泛化能力，模型训练后得到智能家居执行规则的预测结果。

4.根据权利要求3所述的一种智能家居系统，其特征在于：将预测波动信息中的云边收敛平稳指数、周期变化信息中的变化趋势适应指数联立生成控制稳定系数，包括以下步骤：将获取到云边收敛平稳指数YBS、变化趋势适应指数BHQ进行归一化分析生成控制稳定系数，将控制稳定系数标定为 ，表达式为： ，式中， 为控制稳定系数， 、 为云边收敛平稳指数YBS、变化趋势适应指数BHQ的预定义比例系数，且 、 均大于0。

5.根据权利要求4所述的一种智能家居系统，其特征在于：用于根据模型的预测状态与预定义的规则的适配情况进行分析，生成分析结果，并根据分析结果执行相应规则，包括以下步骤：将模型的预测状态与预定义的规则的适配情况进行分析得到的控制稳定系数与预先设置的控制阈值进行对比；

若控制稳定系数大于或等于控制阈值，则生成预测准确信号，执行预定义的规则；

若控制稳定系数小于控制阈值，则生成异常预测信号，进行智能家居规则的控制调整。