Teknologi blockchain telah menjadi penyelesaian yang kukuh untuk meningkatkan keselamatan dan privasi dalam sistem Internet of Things (IoT) melalui pendesentralan penyimpanan data dan pengamanan transaksi menggunakan kriptografi, memastikan ketidakubahan data dan perlindungan daripada akses tanpa izin. Kerja awal mencadangkan rangka kerja blockchain ringan untuk rumah pintar bagi melindungi data pengguna dari serangan luar. Kontrak pintar turut mengotomatisasi tindakan peranti berdasarkan pencetus yang ditetapkan. Namun, keperluan pengiraan blockchain dan mekanisme konsensus boleh memperkenalkan kelewatan yang mengurangkan keberkesanan dalam aplikasi masa nyata. Integrasi blockchain dengan pembelajaran mesin (ML) sedang diterokai untuk memperbaiki pengurusan keselamatan dalam rangkaian 6G dan mengoptimumkan infrastruktur bandar pintar, meningkatkan ketelusan, keselamatan, dan kecekapan dalam bidang seperti tenaga dan pengangkutan. Aplikasi blockchain juga memperkukuh keselamatan dan privasi peranti pintar IoT. Penggunaan ML dalam kawalan suhu ramalan semakin mendapat perhatian kerana kemampuannya untuk meningkatkan respon sistem dan kecekapan tenaga. Algoritma ML menganalisis data sejarah suhu dalaman, penghunian, dan cuaca untuk meramalkan keperluan pemanasan atau penyejukan, membolehkan penyesuaian awal sistem. Kajian menunjukkan kawalan berasaskan ML boleh mengurangkan penggunaan tenaga sehingga 18% berbanding sistem reaktif. Sistem ramalan sebegini memerlukan pengendalian data yang kukuh dan selamat untuk memproses input masa nyata dan sejarah. Pengkomputeran hujung (edge computing) diperkenalkan untuk mengurangkan kelewatan pemprosesan awan dan isu jalur lebar dengan menangani data secara tempatan, memperbaiki pengambilan keputusan masa nyata, terutama untuk kawalan suhu pintar. Sinergi antara kecerdasan buatan (AI) dan teknologi blockchain secara ketara meningkatkan produktiviti industri, kebolehpercayaan operasi, dan keselamatan data. Menggabungkan AI yang boleh dijelaskan dengan blockchain memperbaiki pengambilan keputusan kewangan melalui ketelusan dan kepercayaan yang meningkat. Kerangka rumah pintar yang memanfaatkan blockchain dan model pembelajaran mendalam menunjukkan kemajuan dari segi kecekapan tenaga, keselamatan, dan automasi. Model privasi berganda yang digabungkan dengan blockchain secara signifikan melindungi privasi data pengguna. Sistem seperti BEDS meningkatkan pengurusan data dalam rumah pintar dan kenderaan dengan penjadualan sensor yang cekap. Pendekatan kolaboratif yang menggabungkan blockchain dengan rangkaian sensor tanpa wayar (WSNs) meningkatkan integriti dan kebolehpercayaan data, sementara metodologi baharu bekerjasama dalam kecerdasan kawanan (swarm intelligence) meningkatkan keselamatan dan kecekapan WSN. Penyelidikan lain mengoptimumkan operasi mikrogrid, sistem pemindahan kuasa tanpa wayar, dan integrasi tenaga boleh diperbaharui dalam rumah pintar melalui ramalan dan penjadualan canggih, sering menggunakan algoritma ML gabungan untuk meramalkan penggunaan tenaga yang lebih baik. Kepercayaan pengguna sangat penting dalam penerimaan peranti rumah pintar berkuasa AI, mempengaruhi kesediaan untuk mengintegrasikan teknologi tersebut. Kajian meliputi pengurusan tenaga berasaskan AI untuk mengoptimumkan kawalan suhu dan kecekapan, sementara analisis blockchain menumpukan kepada pengamanan pertukaran data rumah pintar. WSN adalah pusat kepada pengumpulan data masa nyata dalam rangka kerja kawalan suhu ramalan, dengan pelbagai strategi ML meningkatkan kecekapan tenaga melalui ramalan dan pelarasan sistem pemanasan. Perdagangan tenaga berasaskan blockchain yang bersifat terdesentralisasi sejajar dengan matlamat pengurusan tenaga rumah pintar. Teknik pengagregatan data mengoptimumkan prestasi WSN dengan mengurangkan penggunaan tenaga dan meningkatkan ketepatan. Agen kognitif membolehkan adaptabiliti berasaskan konteks IoT.

Reka bentuk hibrid inovatif dan algoritma berasaskan agen meningkatkan penemuan sumber dan pengenalan nod, meningkatkan skala dan keselamatan rangkaian IoT. Kerja yang dibentangkan menyumbang secara signifikan melalui (1) penggabungan AI dan blockchain untuk pengurusan suhu ramalan dan pengendalian data yang selamat; (2) pembangunan rangka kerja yang menggabungkan penjadualan ramalan dengan pengesanan acara dinamik; dan (3) penilaian prestasi dalam kecekapan tenaga, keselamatan, dan skala. Walaupun terdapat kemajuan, masih terdapat kekurangan: pengintegrasian terhad blockchain dengan ML ramalan untuk kawalan suhu yang selamat dan adaptif; banyak sistem kekurangan kawalan ramalan yang digabungkan dengan keselamatan data yang kukuh; pemprosesan berasaskan awan menyebabkan kelewatan dan masalah pengiraan yang menghalang tindak balas masa nyata; dan pendekatan pengurusan tenaga sering mengabaikan potensi harga dinamik dan perdagangan terdesentralisasi. Makalah ini menangani kekurangan tersebut melalui rangka kerja blockchain berkuasa AI yang mengintegrasikan WSN, analitik ramalan berasaskan ML, dan pengkomputeran hujung dengan pemprosesan data berubah masa. Inovasi utama termasuk ramalan berinovasi yang disokong blockchain untuk pemanasan/penyejukan yang dioptimumkan; penggunaan pengkomputeran hujung untuk mengurangkan kelewatan dengan pemprosesan data tempatan dan analisis berubah masa untuk mengurangkan beban puncak; pengesanan acara tepat melalui WSN canggih disertai penjadualan ramalan untuk meminimumkan tenaga; perdagangan tenaga peer-to-peer berasaskan blockchain dengan harga dinamik untuk mengoptimumkan penggunaan dan mengurangkan kos; dan skala lebih baik dengan kecekapan tenaga yang meningkat serta pengurusan terdesentralisasi yang selamat. Pelbagai model AI/ML digunakan dalam domain ini: Jaringan Neural Buatan (ANN) dan jaringan neural dalam memodelkan siri masa nonlinear kompleks untuk ramalan suhu dan tenaga; Mesin Vektor Sokongan (SVM) untuk regresi atas data berdimensi tinggi; Hutan Rawak (RF) untuk ramalan berensemble yang kukuh; Rangkaian Neural Berulang (RNN) dan Model Memori Jangka Panjang (LSTM) untuk ramalan bergantung masa; Pohon Keputusan (DT) untuk pengambilan keputusan yang dapat dijelaskan berkaitan kawalan suhu. Model-model ini meningkatkan ketepatan ramalan untuk pengoptimuman sistem HVAC. Formulasi masalah merangkumi pemodelan dinamika suhu berdasarkan pemindahan haba, menggunakan ML untuk meramalkan suhu dan penggunaan tenaga masa depan, serta mengaplikasikan undang-undang kawalan untuk mengekalkan suhu dalaman dalam pilihan pengguna. Penggunaan tenaga diminimumkan dengan syarat keselesaan. Analisis berubah masa menurunkan beban pengiraan bukan segera ke waktu beban rendah, mengurangkan beban pengiraan puncak. Blockchain mengamankan data sensor dan isyarat kawalan melalui penyimpanan blok yang di-hash dan tidak dapat diubah untuk menjamin integriti dan ketelusan data. Acara pemanasan/penyejukan dinamik dikesan melalui kadar perubahan suhu, dengan ambang yang disesuaikan menggunakan ML untuk mengatasi variabiliti persekitaran. Penjadualan ramalan memanfaatkan corak acara sejarah untuk meramalkan keperluan pemanasan, membolehkan operasi awal yang cekap tenaga. Satu inovasi utama adalah perdagangan tenaga desentralisasi berasaskan blockchain antara rumah pintar, di mana lebihan tenaga boleh diperbaharui diperdagangkan secara selamat menggunakan kontrak pintar pada harga dinamik. Rangkaian sensor tanpa wayar dioptimumkan dengan pengurusan adaptif sensor aktif untuk meminimumkan penggunaan kuasa sambil mengekalkan liputan. Beberapa rumah pintar bekerjasama sebagai agen dalam rangkaian desentralisasi untuk berkongsi beban tenaga dan mengurangkan puncak permintaan. Algoritma kawalan adaptif meminimumkan penggunaan tenaga dan penyimpangan suhu menggunakan maklum balas masa nyata dan kadar pembelajaran. Algoritma sistem mengumpulkan dan memproses data sensor sejarah dan masa nyata; melatih model ML; meramalkan suhu dan penggunaan tenaga; mengesan acara pemanasan/penyejukan; mengintegrasikan blockchain untuk pencatatan yang selamat dan tidak dapat diubah serta konsensus; menerapkan penjadualan ramalan dan pengoptimuman; dan beradaptasi secara dinamik berdasarkan maklum balas. Prestasi dinilai berdasarkan ketepatan, penjimatan tenaga, skala, dan kelewatan. Kajian simulasi menggunakan dataset dunia sebenar dengan WSN dan perangkat IoT yang memantau suhu, penggunaan tenaga, dan status radiator, berserta data cuaca luar dari pelbagai bilik selama enam bulan. Pra-pemrosesan data termasuk interpolasi nilai hilang, penghapusan pencilan melalui pemfilteran julat interkuartil, penskalaan, dan penghasilan ciri untuk pola masa. Model rangkaian neural dilatih dan divisualisasikan untuk pembelajaran adaptif. Simulasi menunjukkan keupayaan sistem yang unggul dalam mengekalkan suhu dalaman di tengah-tengah fluktuasi luar melalui kawalan ramalan, mencapai peraturan suhu yang lebih lancar dan pengurangan besar dalam penggunaan tenaga melalui pelarasan kuasa dinamik dan pengimbangan beban berubah masa. Integrasi blockchain memastikan pengurusan data yang selamat dan menyokong perdagangan serta penjadualan tenaga secara terdesentralisasi. Sistem ini dengan cepat mengesan aktiviti on/off radiator dan acara penyejukan dengan ambang berasaskan ML, membolehkan kawalan awal yang cekap tenaga. Analisis perbandingan menunjukkan penambahbaikan signifikan berbanding kawalan thermostat konvensional dan PID dalam penjimatan tenaga, masa tindak balas, ketepatan, pengesanan acara, dan keselamatan data. Analisis kerumitan algoritma menonjolkan kecekapan pengumpulan data masa nyata (O(n)), inferens ML (O(d)), pemprosesan transaksi blockchain (O(1) hingga O(log n)), dan pengesanan acara (O(n)). Penyimpanan meningkat dengan bilangan sensor dan saiz blockchain. Rangka kerja ini mengimbangi permintaan pengiraan dan pengoptimuman penggunaan tenaga sambil memelihara integriti data melalui konsensus blockchain. Secara ringkas, rangka kerja blockchain berkuasa AI yang dibangunkan untuk kawalan suhu ramalan di rumah pintar menggabungkan ramalan ML canggih, pengurusan data desentralisasi yang selamat, pengkomputeran hujung berasaskan masa, dan perdagangan tenaga desentralisasi. Pendekatan terintegrasi ini secara signifikan meningkatkan kecekapan tenaga, respons sistem, keselesaan pengguna, dan keselamatan data, menyelesaikan cabaran utama dalam persekitaran rumah pintar dan membolehkan pengawalan suhu yang boleh skala, dipercayai, serta adaptif.