Blockchain tehnologija je postala močno orodje za povečanje varnosti in zasebnosti v sistemih Internet stvari (IoT) z decentralizacijo shranjevanja podatkov in varovanjem transakcij z kriptografijo, kar zagotavlja neizbrisljivost podatkov in zaščito pred nepooblaščenim dostopom. Zgodnji projekti so predlagali lahke blockchain okvire za pametne domove, da bi zaščitili uporabniške podatke pred zunanjimi napadi. Pametne pogodbe dodatno avtomatizirajo delovanje naprav na podlagi določenih sprožilcev. Vendar pa lahko zahteve po računalniški moči blockchaina in mehanizmi soglasja povzročijo zamude, ki zmanjšujejo učinkovitost v aplikacijah v realnem času. Integracija blockchaina z umetno inteligenco (AI) se preučuje za izboljšanje upravljanja varnosti v 6G omrežjih in optimizacijo infrastrukture pametnih mest, kar povečuje transparentnost, varnost in učinkovitost na področjih, kot so energija in prevoz. Uporaba blockchaina prav tako krepi varnost in zasebnost pametnih IoT naprav. Uporaba umetne inteligence pri napovednem nadzoru temperature je pridobila na pomenu zaradi svoje sposobnosti za izboljšanje odzivnosti sistema in energetske učinkovitosti. Algoritmi umetne inteligence analizirajo zgodovske podatke o notranji temperaturi, zasedenosti in vremenu za napovedovanje potreb po ogrevanju ali hlajenju, s čimer omogočajo predhodne prilagoditve sistema. Študije kažejo, da je nadzor, ki temelji na umetni inteligenci, lahko zmanjša porabo energije do 18 % v primerjavi z reaktivnimi sistemi. Takšni napovedni sistemi zahtevajo zanesljivo in varno ravnanje z podatki za obdelavo realnih časovnih in zgodovinskih vhodov. Za odpravo zamud pri obdelavi v oblaku in omejitev pasovne širine se uvajajo robni sistemi, ki podatke obdelujejo lokalno, kar izboljšuje odločitve v realnem času, zlasti pri pametnem nadzoru temperature. Sinergija med umetno inteligenco (AI) in tehnologijami blockchain močno povečuje industrijsko produktivnost, operativno zanesljivost in varnost podatkov. Združevanje razložljive umetne inteligence (XAI) z blockchainom izboljšuje finančno odločanje s povečanjem transparentnosti in zaupanja. Okviri pametnih domov, ki uporabljajo blockchain in globoke modele učenja (deep learning), prikazujejo napredek na področju energetske učinkovitosti, varnosti in avtomatizacije. Modeli diferencialne zasebnosti, integrirani z blockchainom, pomembno varujejo zasebnost uporabniških podatkov. Sistemi, kot je BEDS, izboljšujejo upravljanje podatkov v pametnih domovih in vozilih s učinkovitim načrtovanjem senzornih podatkov. Sodelovalni pristopi, ki združujejo blockchain in brezžične senzorje (WSN), napredujejo na področju celovitosti in zanesljivosti podatkov, medtem ko nove metode rojenja (swarm intelligence) povečujejo varnost in učinkovitost WSN. Druge raziskave optimizirajo delovanje mikrogrids, brezžične sisteme za prenos energije in integracijo obnovljivih virov energije v pametnih domovih z naprednim napovedovanjem in načrtovanjem, pogosto z uporabo kombiniranih algoritmov umetne inteligence za izboljšano napoved porabe energije. Zaupanje uporabnikov je ključno za sprejemanje pametnih naprav, ki temeljijo na umetni inteligenci, in oblikuje pripravljenost nanje integrirati te tehnologije. Pregledi obravnavajo upravljanje energije z uporabo umetne inteligence za optimizacijo nadzora temperature in učinkovitosti, medtem ko analize blockchaina osredotočajo na varovanje izmenjav podatkov v pametnih domovih. Brezžične senzorjske mreže (WSN) so osrednjega pomena pri zbiranju podatkov v realnem času v okviru napovednega nadzora temperature, pri čemer različne strategije umetne inteligence izboljšujejo energetsko učinkovitost s pomočjo napovedi in prilagoditev ogrevalnih sistemov. Decentralizirana trgovina z energijo preko blockchaina v skladu z načeli pametnih domov omogoča dinamično ceno in učinkovitejšo uporabo energije. Tehnike zbiranja podatkov optimizirajo delovanje WSN z zmanjšanjem porabe energije in izboljšanjem natančnosti. Kognitivni agenti omogočajo prilagodljivost IoT glede na kontekst.

Inovativne hibridne arhitekture in algoritmi na osnovi agentov izboljšujejo odkrivanje virov in lokalizacijo vozlišč, s čimer povečujejo razširljivost in varnost omrežij IoT. Predstavljeno delo pomembno prispeva s (1) integracijo umetne inteligence in blockchaina za napovedni nadzor temperature in varno ravnanje s podatki; (2) razvojem okvira, ki združuje napovedno načrtovanje z dinamičnim zaznavanjem dogodkov; ter (3) oceno zmogljivosti na področju energetske učinkovitosti, varnosti in razširljivosti. Kljub napredku pa ostajajo vrzeli: omejena integracija blockchaina z napredno umetno inteligenco za nadzor temperature omejuje varne in prilagodljive rešitve; mnogi sistemi še vedno nimajo kombinacije napovednega nadzora in robustnega varovanja podatkov; obdelava v oblaku povzroča zamude in računalniške ozke grlo, kar ovira odziv v realnem času; in energetske strategije pogosto spregledajo možnosti dinamičnega cenjenja in decentralizirane trgovine. Ta raziskava naslavlja te vrzeli z okvirjem, ki temelji na umetni inteligenci in blockchainu, ter vključuje WSN, napovedno analitiko z algoritmi umetne inteligence in obdelavo na robnih napravah z zamaknjenim časom obdelave. Ključne inovacije vključujejo varno napovedno učenje (ML) s pomočjo blockchaina za optimizacijo ogrevanja/hlađenja; uporabo robnih sistemov za zmanjšanje zamud z lokalno obdelavo podatkov in časovno zamaknjeno analizo za znižanje vršnih obremenitev; natančno zaznavanje dogodkov s pomočjo naprednih WSN-jev skupaj z načrtovanjem za energijsko učinkovitost; omogočanje peer-to-peer trgovine z energijo prek blockchaina z dinamičnimi cenami za optimizacijo porabe in znižanje stroškov; ter razširljivost z izboljšano energijsko učinkovitostjo in varnim razvojem decentraliziranega upravljanja. Razred algoritmov AI/ML, ki se uporabljajo na tem področju: umetne nevronske mreže (ANN) in globoke nevronske mreže za modeliranje kompleksnih nelinearnih časovnih vrst za napoved temperature in energije; podpore vektorskih strojih (SVM) za regresijo na visoko-dimenzionalnih podatkih; naključne gozdove (RF) za robustno združeno napoved; rekurentne nevronske mreže (RNN) in modele dolgotrajne kratkoročne spominske mreže (LSTM) za časovno odvisno napovedovanje; odločitvene drevesa (DT) za razlagljivo odločanje pri nadzoru temperature. Ti modeli izboljšujejo natančnost napovedi za optimizacijo HVAC sistemov. Problematika vključuje modeliranje dinamike temperature, ki temelji na prenosu toplote, uporabo ML za napovedovanje prihodnje temperature in porabe energije ter uporabo nadzornih zakonov za vzdrževanje notranje temperature v skladu z uporabniškimi željami. Poraba energije se minimizira ob zagotavljanju udobja. Analiza z zamikom v času odvečno nalogo oddaja izven vršnih časov, s čimer zmanjša računalniško obremenitev. Blockchain zagotavlja varnost senzornih podatkov in nadzornih signalov z shranjevanjem heširanih in neizbrisljivih blokov, kar zagotavlja celovitost in transparentnost podatkov. Dinamični dogodki ogrevanja/hlajenja se zaznavajo po hitrostih sprememb temperature, s prilagodljivimi mejami, ki jih z algoritmi umetne inteligence prilagajajo, da upoštevajo okoljske spremembe. Napovedno načrtovanje uporablja zgodovinske podatkovne vzorce za predvidevanje potreb po ogrevanju, kar omogoča predhodno in energijsko učinkovito delovanje. Ena od ključnih inovacij je decentralizirana trgovina z energijo med pametnimi domovi, kjer se presežek obnovljive energije varno trguje znotraj sistema s pomočjo pametnih pogodb po dinamičnih cenah. Brezžične senzorjske mreže so optimizirane s prilagodljivim upravljanjem aktivnih senzorjev, da se zmanjša poraba energije ob vzdrževanju pokritosti. Več pametnih domov sodeluje kot agenti v decentralizirani mreži za delitev energijskih obremenitev in znižanje vršnih zahtev. Prilagodljiv nadzorni algoritem minimizira porabo energije in odklone temperature z uporabo podatkov v realnem času in učnih hitrotnic. Algoritem sistema zbira in predobdeluje zgodovinske in realne časovne senzorjske podatke; usposablja modele umetne inteligence; napoveduje temperaturo in porabo energije; zaznava dogodke ogrevanja/hlađenja; integrira blockchain za varno, neizbrisljivo beleženje in doseganje soglasja; uporablja napovedno načrtovanje in optimizacijo; ter se dinamično prilagaja glede na povratne informacije. Zmogljivost sistema ocenjujemo z natančnostjo, prihranki energije, razširljivostjo in zamudami. Simulacije se osredotočajo na podatkovno set iz resničnega sveta z WSN in IoT napravami, ki spremljajo temperature, porabo energije in stanje radiatorjev, skupaj z zunanjimi vremenskimi podatki, za več sob v obdobju šestih mesecev. Obdelava podatkov vključuje interpolacijo za manjkajoče vrednosti, odstranjevanje izjem s filtriranjem s kvartilnimi razponi, normalizacijo in ekstrakcijo funkcij za časovne vzorce. Modeli nevronskih mrež so usposobljeni in prikazani za prilagodljivo učenje. Rezultati simulacij dokazujejo, da je sistem sposoben bolje ohranjati notranje temperature kljub zunanjim nihajem s pomočjo napovednega nadzora, kar dosega boljšo stabilnost temperature in znatne prihranke energije z dinamično prilagoditvijo moči in uravnoteženjem obremenitve. Integracija blockchaina zagotavlja varno upravljanje podatkov in podporo decentralizirani trgovini z energijo ter načrtovanjem. Sistem hitro zazna dogodek vključno z ogrevanjem radiatorjev in hlajenjem s algoritems na osnovi meritev, kar omogoča učinkovito predhodno upravljanje. Primerjalne analize kažejo bistvene izboljšave glede prihrankov energije, odzivnega časa, natančnosti, zaznavanja dogodkov in varnosti podatkov v primerjavi s konvencionalnimi termostati in PID regulatorji. Analize kompleksnosti algoritmov dokazujejo učinkovito zbiranje podatkov v realnem času (O(n)), inferenco ML (O(d)), obdelavo transakcij v blockchainu (O(1) do O(log n)) in zaznavanje dogodkov (O(n)). Shranjevanje podatkov se povečuje s številom senzorjev in velikostjo blockchaina. Okvir uravnoteži računalniške zahteve in optimizacijo porabe energije ob hkratnem zagotavljanju celovitosti podatkov z doseganjem soglasja v blockchainu. Na kratko, predlagani okvir s pomočjo umetne inteligence in blockchaina za napovedni nadzor temperature v pametnih domovih združuje napovedno modeliranje, varen decentraliziran upravljalni sistem, obdelavo na robnih napravah z zamaknjenim časom in decentralizirano trgovino z energijo. Ta integrirani pristop bistveno povečuje energetsko učinkovitost, odzivnost sistema, udobje uporabnika in varnost podatkov, ter rešuje ključne izzive v okolju pametnih domov ter omogoča skalabilno, zaupanja vredno in prilagodljivo regulacijo temperature.