随着物联网技术的飞速发展,人们对舒适、便捷的生活方式有了更高的要求,智能家居也因此逐渐走进大众的视线。近年来,随着人工智能技术的逐渐成熟,智能家居又掀起了一波热潮,但是现有的智能家居仍然存在着一些局限。目前,智能家居的不足主要体现在不能很好地将各种物理设备融合在一起,仍然过多依赖处于环境中的人来进行控制,从而使其显得不够智能。针对如何实现智能家居真正的“智能化”,本文提出了关于智能家居情景模式的一种辅助决策模型,其中包括情景模式自适应更新模型和情景模式预测模型。为了建立上述模型,首先本文通过对采集的数据进行预处理特征提取,确定影响智能家居情景模式辅助决策的因素,并根据收集的用户习惯来定制每个家庭的情景模式。其次,根据用户行为所发生的变化,提出一种情景模式自适应更新模型,通过运用该模型预测使用设备情况与实际使用设备情况的匹配程度越来越高,当用户行为发生改变时,可以自主地更新情景模式中的智能家居设备列表。再次,需要对已更新设备的状态进行预测,提出一种基于BP神经网络和支持向量机的情景模式预测模型。实验结果表明,基于支持向量机的情景模式预测模型的预测准确率比较高,当选择RBF作为预测模型的核函数时预测准确率最高,较BP神经网络的预测模型提高了12.44%。最后,根据以上两个模型确定最终的智能家居情景模式辅助决策模型。测试结果表明,本文所提出的智能家居的情景模式辅助决策模型能够准确的为用户提供辅助决策,最终真正达到“设备为人做事”。