弹药贮存环境分析方法、装置及终端与流程

1.本发明涉及物品贮存技术领域，特别涉及一种弹药贮存环境分析方法、装置及终端。


背景技术：

2.物品在贮存过程中，随着贮存时间延长，受到各种环境因素的影响越严重，导致物品产生损耗甚至遭到破坏。为了更好地对物品进行贮存，需要在贮存环境中找出影响物品可靠性的因素。
3.目前，弹药贮存面临的问题主要有贮存环境越来越复杂，其中涉及的影响因素越来越多，所以在日趋复杂的战场环境中找出影响弹药可靠性的主要因素成为了关键。现有技术中公开了基于灰色关联熵分析法分析贮存环境对弹药可靠性的影响。
4.然而，在实现本发明实施例的过程中，发现相关技术中至少存在如下问题：
5.现有技术中个别环境因素的数值过大或过小会影响可靠性分析结果。


技术实现要素：

6.有鉴于此，本发明提供了一种弹药贮存环境分析方法、装置及终端，能够避免个别环境因素的数值过大或过小会影响可靠性分析结果，提高确定出环境因素与贮存物可靠性相关度的精确度。
7.本发明实施例的第一方面提供了一种弹药贮存环境分析方法，包括：
8.获取弹药的多个样本数据，其中，每个样本数据包括一个指定时间内所述弹药所处环境的各候选环境因素的数值，以及所述弹药的可靠性参数的数值；
9.根据皮尔逊算法和所述多个样本数据，确定至少一个第一环境因素，其中，所述第一环境因素为与所述可靠性参数的相关系数满足第一预设条件的候选环境因素；
10.根据灰关联熵算法和每个样本数据中各指定候选环境因素的数值，从各指定候选环境因素中确定至少一个第二环境因素，其中，所述指定候选环境为所有候选环境因素中除所述至少一个第一环境因素之外的部分或全部的环境因素，所述第二环境因素为灰熵值满足第二预设条件的候选环境因素；
11.将所述至少一个第一环境因素和所述至少一个第二环境因素确定为弹药可靠性的主要影响因素。
12.本发明实施例的第二方面提供了一种弹药贮存环境分析装置，包括：
13.获取模块，被配置为获取弹药的多个样本数据，其中，每个样本数据包括一个指定时间内所述弹药所处环境的各候选环境因素的数值，以及所述弹药的可靠性参数的数值；
14.第一确定模块，被配置为根据皮尔逊算法和所述多个样本数据，确定至少一个第一环境因素，其中，所述第一环境因素为与所述可靠性参数的相关度满足第一预设条件的候选环境因素；
15.第二确定模块，被配置为根据灰关联熵算法和每个样本数据中各指定候选环境因
素的数值，从各指定候选环境因素中确定至少一个第二环境因素，其中，所述指定候选环境为所有候选环境因素中除所述至少一个第一环境因素之外的部分或全部的环境因素，所述第二环境因素为灰熵值满足第二预设条件的候选环境因素；
16.第三确定模块，被配置为将所述至少一个第一环境因素和所述至少一个第二环境因素确定为弹药可靠性的主要影响因素。
17.本发明实施例的第三方面提供了一种弹药贮存环境分析装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如任一项所述弹药贮存环境分析方法的步骤。
18.本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如任一项所述弹药贮存环境分析方法的步骤。
19.本发明实施例与现有技术相比存在的有益效果是：
20.本发明实施例先通过皮尔逊算法对获取的弹药的多个样本数据进行分析，确定出于弹药的可靠性有线性关系的第一环境因素，避免个别环境因素的数值过大或过小会影响可靠性分析结果。然后，筛选出除第一环境因素之外与弹药的可靠性具有复杂关系的环境因素，并通过灰关系熵进行分析，以确定出第二环境因素。本发明实施例通过不同的方案确定第一环境因素和第二环境因素，避免个别环境因素的数值过大或过小影响整体的可靠性分析结果，提高了对弹药贮存环境分析的精确度，能够更全面地分析各候选环境因素与弹药的可靠性参数之间的关系。从而便于根据不同方案确定出的第一环境因素和第二环境因素，进一步确定出弹药的储存管理方案，有侧重地加强弹药储存管理，提高弹药的可靠性，有利于减少报废弹药数量。
附图说明
21.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
22.图1是本发明一实施例提供的弹药贮存环境分析方法的流程示意图；
23.图2是本发明另一实施例提供的弹药贮存环境分析方法的流程示意图；
24.图3是本发明另一实施例提供的弹药贮存环境分析装置的结构示意图；
25.图4是本发明一实施例提供的终端的示意图。
具体实施方式
26.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
27.本发明涉及物品贮存技术领域，旨在分析出各候选环境因素与贮存物可靠性的相关度，便于人们后续根据分析结果针对目标贮存物的贮存环境进行调整，以延长目标贮存
物的保质期、活性、鲜亮度或寿命。
28.本发明实施例提供一种目标贮存物贮存环境分析方法，包括如下步骤：获取目标贮存物的多个样本数据，其中，每个样本数据包括一个指定时间内目标贮存物所处环境的各候选环境因素的数值，以及目标贮存物的可靠性参数的数值；根据皮尔逊算法和多个样本数据，确定至少一个第一环境因素，其中，第一环境因素为与可靠性参数的相关系数满足第一预设条件的候选环境因素；根据灰关联熵算法和每个样本数据中各指定候选环境因素的数值，从各指定候选环境因素中确定至少一个第二环境因素，其中，指定候选环境为所有候选环境因素中除至少一个第一环境因素之外的部分或全部的环境因素，第二环境因素为灰熵值满足第二预设条件的候选环境因素；将至少一个第一环境因素和至少一个第二环境因素确定为目标贮存物可靠性的主要影响因素。
29.其中，目标贮存物为食品、种子、衣物、金属或包含金属部件的物品(如：弹药)等。根据目标贮存物的种类不同，目标贮存物的可靠性参数不同，例如：当目标贮存物为种子时，目标贮存物的可靠性参数为发芽率或失活率；当目标贮存物为金属或包含金属部件的物品时，目标贮存物的可靠性参数为完好程度、完好物品的数量或者报废数量。候选环境因素包括温度、湿度、大气压力、辐射、盐雾、霉菌、沙尘、振动、冲击、加速度和磁场中的至少两种。在不同实施例中，目标贮存物的种类不同，对应的候选环境因素也不同。例如：磁场强度对于衣物的储存可以忽略不计，则在进行衣物贮存环境分析时，候选环境因素的数据中不包括磁场强度。
30.本发明根据皮尔逊函数确定各环境因素与贮存物损耗的相关系数，能够减小环境因素的数值之间的差值，降低个别数值过大或过小影响环境数据和贮存物损耗数据关联分析结果，确定出与贮存物损耗数据具有线性关系的环境数据。结合灰关联熵分析法对于不满足线性关系的环境数据进行进一步的分析，以完成所有环境因素与贮存物可靠性相关度的分析。本发明采用皮尔逊相关分析法和灰关联熵分析法结合的方式，基于标准化的环境数据和贮存物损耗数据对环境因素与贮存物可靠性相关度进行分析，提高了确定出环境因素与贮存物可靠性相关度的精确度。
31.本发明实施例重点以弹药为目标贮存物对方案进行展开说明，为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
32.参见图1，其示出了本发明实施例提供的弹药贮存环境分析方法的实现流程图，该方法包括如下步骤：
33.s101：获取弹药的多个样本数据，其中，每个样本数据包括一个指定时间内弹药所处环境的各候选环境因素的数值，以及弹药的可靠性参数的数值。
34.s102：根据皮尔逊算法和多个样本数据，确定至少一个第一环境因素，其中，第一环境因素为与可靠性参数的相关系数满足第一预设条件的候选环境因素。
35.s103：根据灰关联熵算法和每个样本数据中各指定候选环境因素的数值，从各指定候选环境因素中确定至少一个第二环境因素，其中，指定候选环境为所有候选环境因素中除至少一个第一环境因素之外的部分或全部的环境因素，第二环境因素为灰熵值满足第二预设条件的候选环境因素。
36.s104：将至少一个第一环境因素和至少一个第二环境因素确定为弹药可靠性的主要影响因素。
37.在步骤s101中，获取到的样本数据中包括弹药所处环境的各候选环境因素的数值以及弹药的可靠性参数的数值。
38.其中，弹药的可靠性参数为报废弹药的数量。样本数据中的数据为一个指定时间内的数据，该指定时间不宜过长或过短，以在样本数据量足够的基础上保证样本数据的有效性，能够准确反应在连续时间内候选环境因素对弹药的可靠性变化的影响。可选的，指定时间为6个月到6年。可选的，指定时间为6个月、1年、2年、3年、4年、5年或6年。其中，指定时间的长短根据目标贮存物特性确定，目标贮存物的保质期越短，设定时间越小，以避免获取的样本数据中包括大量无效数据。目标贮存物稳定性越好，设定时间越长，以保证样本数据能够明确反映出目标贮存物的变化。
39.在不同实施例中，候选环境因素的种类不同。
40.在一些实施例中，在通过本发明实施例提供的方法进行分析之前，已经确定出要进行具体分析或对比的环境因素对弹药可靠性影响的情况下，候选环境因素包含温度、湿度、大气压力、辐射、盐雾、霉菌、沙尘、振动、冲击、加速度和磁场中的至少两种。
41.在一些实施例中，在通过本发明实施例提供的方法进行分析之前，未明确影响弹药可靠性的环境因素的情况下，候选环境因素包含且不限于温度、湿度、大气压力、辐射、盐雾、霉菌、沙尘、振动、冲击、加速度和磁场等。
42.皮尔逊算法和灰关联熵算法之间存在一些差异。在分析对象上，皮尔逊相关分析研究的对象主要是连续型变量，灰关联熵相关分析研究的对象则是系统中的变量，对其连续性不做要求。而在本发明实施例中，通过皮尔逊算法和灰关联熵算法分析的对象基本一致，即上述的样本数据，包括：一个指定时间内弹药所处环境的各候选环境因素的数值，以及弹药的可靠性参数的数值。在分析关系上，皮尔逊相关分析用来分析变量间的线性关系，灰关联熵相关分析则用来分析系统中变量间较复杂的关系，两者对参数的衡量标准上也存在差异。在本发明实施例中，通过皮尔逊算法分析弹药所处环境的各候选环境因素与弹药的可靠性参数之间是否存在线性关系，进而，通过灰关联熵函数进行进一步的分析，分析筛选出的不具备线性关系或者线性关系不明显的候选环境因素与弹药的可靠性之间的相关度。
43.在步骤s102中，利用皮尔逊算法分析出具有线性关系的环境因素。然后，在步骤s103中，对步骤s102中筛选后与弹药的可靠性不具备线性关系或线性关联关系差的环境因素进行再分析。通过两种方法结合来对环境因素进行综合分析，为部队管理弹药提供科学地指导，制定对应的计划和方案，保证弹药的作战性能，从而提高部队整体作战能力。
44.在不同实施例中，步骤s104将至少一个第一环境因素和至少一个第二环境因素确定为弹药可靠性的主要影响因素有不同的方式。
45.在一些实施例中，按照皮尔逊算法和灰关系熵的算法的计算结果进行排序，并筛选出符合条件的多个环境因素作为一个集合作为弹药可靠性的主要影响因素。其中，确定出的弹药可靠性的主要影响因素为候选环境因素中的部分因素。
46.在一些实施例中，将按照皮尔逊算法确定出的第一环境因素作为一级可靠性影响因素，并将按照灰关系熵算法确定出的第二环境因素作为二级可靠性因素、三级可靠性因素等。
47.本发明先通过皮尔逊算法对获取的弹药的多个样本数据进行分析，确定出于弹药
的可靠性有线性关系的第一环境因素，避免个别环境因素的数值过大或过小会影响可靠性分析结果。然后，筛选出除第一环境因素之外与弹药的可靠性具有复杂关系的环境因素，并通过灰关系熵进行分析，以确定出第二环境因素。本发明实施例通过不同的方案确定第一环境因素和第二环境因素，避免个别环境因素的数值过大或过小影响整体的可靠性分析结果，提高了对弹药贮存环境分析的精确度，能够更全面地分析各候选环境因素与弹药的可靠性参数之间的关系。从而便于根据不同方案确定出的第一环境因素和第二环境因素，进一步确定出弹药的储存管理方案，有侧重地加强弹药储存管理，提高弹药的可靠性，有利于减少报废弹药数量。
48.图2是本发明另一实施例提供的弹药贮存环境分析方法的流程示意图，其中，示出了上述步骤s102包括如下步骤：
49.s201：对多个样本数据进行标准化处理。
50.s202：分别计算标准化后样本数据中各候选环境因素与可靠性参数之间的协方差，以及各候选环境因素和可靠性参数的标准差。
51.s203：基于如下公式确定各候选环境因素与可靠性参数之间的相关系数：
[0052][0053]
其中，所述r(a，b)为候选环境因素与可靠性参数的相关系数；cov(a，b)为候选环境因素与可靠性参数的相关系数之间的协方差；d(a)为候选环境因素的方差；d(b)为可靠性参数的方差；a
i
为候选环境因素的第k个数值；b
i
为可靠性参数的第k个数值；所述为候选环境因素的平均值，所述为可靠性参数的平均值；n为样本数据总数。
[0054]
可选的，相关系数与序列相关关系的对照表如下表1：
[0055]
表1
[0056]
相关系数序列相关关系r＝0不存在线性关系0＜|r|≤0.3极弱相关或不相关0.3≤|r|＜0.5低度相关0.5≤|r|＜0.8中度相关0.8≤|r|＜1高度相关|r|＝1完全线性相关
[0057]
在一些实施例中，第一预设条件包括：相关系数的绝对值大于或者等于线性关系设定值。可选的，线性关系设定值为0.5、0.8或1。例如：当线性关系设定值为1时，确定与可靠性参数之间具备完全线性关系的候选环境因素为第一环境因素；当线性关系设定值为0.5时，确定与可靠性参数之间具备重度相关、高度相关或完全线性相关关系的候选环境因素为第一环境因素。
[0058]
在一些实施例中，在图2所示实施例的基础上，步骤s201对多个样本数据进行标准化处理包括如下步骤：
[0059]
s2011：将所有样本数据中可靠性参数的数值构成一个分组数据，并对于每个候选
环境因素，将所有样本数据中该候选环境因素的数值构成该候选环境因素对应的分组数据。
[0060]
s2012：根据如下公式对每个分组数据进行标准化处理：
[0061][0062][0063]
其中，所述x(k)为候选环境因素的第k个数值；所述min
k
x(k)为候选环境因素的最小值；所述max
k
x(k)为候选环境因素的最大值；所述a(k)为标准化后的候选环境因素的第k个数值；所述y(k)为可靠性参数的第k个数值；所述min
k
y(k)为可靠性参数的最小值；所述max
k
y(k)为可靠性参数的最大值；所述b(k)为标准化后的可靠性参数的第k个数值。
[0064]
在步骤s2012中，依次带入不同的候选环境因素分组内的数据进行标准化处理，简化数据标准化处理过程，提高数据标准化效率。
[0065]
本发明先对获取的弹药的多个样本数据进行标准化处理，使数据映射到[0，1]区间内，避免了数据过大或过小影响可靠性分析结果，然后基于样本的协方差和标准差，得到皮尔逊相关系数，从而确定出候选环境因素与可靠性参数的线性相关关系。
[0066]
以一具体实施例对上述步骤s102根据皮尔逊算法和多个样本数据，确定至少一个第一环境因素进行说明：
[0067]
第一步：列出与弹药可靠性相关的环境因素，比如温度、湿度、降水、盐雾、太阳光照等多种因素。
[0068]
第二步：以弹药报废数量或薄弱件失效率作为弹药的可靠性参数，并以此作为参考序列，以第一步中的环境因素作为比较序列。具体的：设弹药报废数量为参考序列y、温度大于30℃的天数x1、年均降水量x2、年均盐雾浓度x3、年均辐射总量x4、年均相对湿度x5，各序列表示如下：
[0069]
{y(k)}＝{y(1)，y(2)，y(3)，y(4)，y(5)，y(6)}
[0070]
{x1(k)}＝{x1(1)，x1(2)，x1(3)，x1(4)，x1(5)，x1(6)}
[0071]
{x2(k)}＝{x2(1)，x2(2)，x2(3)，x2(4)，x2(5)，x2(6)}
[0072]
{x3(k)}＝{x3(1)，x3(2)，x3(3)，x3(4)，x3(5)，x3(6)}
[0073]
{x4(k)}＝{x4(1)，x4(2)，x4(3)，x4(4)，x4(5)，x4(6)}
[0074]
第三步：按照如下公式对数据进行标准化处理，得出表2所示的标准化后的数据：
[0075][0076][0077]
其中，x(k)为候选环境因素的第k个数值，min
k
x(k)为候选环境因素的最小值；max
k
x(k)为候选环境因素的最大值；a(k)为标准化后的候选环境因素的第k个数值；y(k)为可靠性参数的第k个数值，min
k
y(k)为可靠性参数的最小值；max
k
y(k)为可靠性参数的最大值；b(k)为标准化后的可靠性参数的第k个数值。
[0078]
表2
[0079][0080]
第四步：将标准化的数据作为皮尔逊相关分析的输入变量，计算比较序列与各参考序列之间的皮尔逊相关系数，结果如下：
[0081][0082][0083][0084][0085][0086]
以及前述的相关系数与序列相关关系的对照表，报废弹药数量与盐雾浓度之间的相关系数为r(y，x3)数值为0.873，即线性关系高度相关且相关性显著；报废弹药数量与温度大于30℃的天数之间的相关系数为r(y，x1)数值为0.518，即线性关系中度相关，相关性不显著；报废弹药数量与降水量之间的相关系数为r(y，x2)数值为
‑
0.395，线性关系低度相关，相关性不显著；报废弹药数量与辐射总量和相对湿度不存在线性相关。
[0087]
以第一预设条件为相关系数的绝对值大于或者等于0.8。通过结果可以看到除了盐雾浓度与报废弹药数量线性关系显著，其他因素与报废弹药数量的线性关系均不显著，所以将盐雾浓度确定为第一环境因素。
[0088]
在一些实施例中，步骤s103包括如下步骤：
[0089]
s1031：对每个样本数据中各指定候选环境因素的数值进行无量纲化。
[0090]
s1032：基于如下公式确定各指定候选环境因素与可靠性参数之间的灰关联系数：
[0091][0092]
其中，r
i
[x0(k)，x
i
(k)]为指定候选环境因素与可靠性参数之间的灰关联系数；x0(k)为可靠性参数的第k个数值；x
i
(k)为指定候选环境因素的第k个数值；min
i
min
k
|x0(k)
‑
x
i
(k)|为两级最小差；max
i
max
k
|x0(k)
‑
x
i
(k)|为两级最大差；ρ为分辨系数。
[0093]
s1033：根据灰关联系数确定各指定环境因素的灰熵值，并根据灰熵值确定至少一个第二环境因素。
[0094]
在一些实施例中，在步骤s1031中，无量钢化过程包括：分别将各指定环境因素的数值除以对应的环境因素的均值，并将可靠性参数的数值除以可靠性参数的均值。无量纲化减小了数值之间的差异，提高计算效率。
[0095]
在一些实施例中，步骤s1033包括如下步骤：
[0096]
通过灰关联系数和如下关系式计算各指定候选环境因素的灰熵值：
[0097][0098]
其中，h
i
为候选环境因素的灰熵值；x0(k)为可靠性参数的第k个数值；x
i
(k)为指定候选环境因素的第k个数值；p
i
(k)为指定候选环境因素与可靠性参数的关联密度值；r
i
[x0(k)，x
i
(k)]为指定候选环境因素与可靠性参数之间的灰关联系数；
[0099]
选取灰熵值满足第二预设条件的候选环境因素作为第二环境因素。
[0100]
在一些实施例中，按照灰熵值对第二环境因素进行排序，确定第二环境因素与弹药可靠性参数之间的关联密切度。
[0101]
可选的，在上述任一实施例基础上，在步骤s203之后，还包括：对相关系数进行显著性校验；将具有显著性的相关系数所对应的候选环境因素确定为第一环境因素。
[0102]
在一些实施例中，对相关系数进行显著性校验，包括：
[0103]
针对每个相关系数，将该相关系数带入如下公式得出该相关系数的校验值：
[0104][0105]
其中，所述t为该相关系数的校验值，所述n为样本数量，所述r为该相关系数。
[0106]
在一些实施例中，计算得出的结果可能存在随机性，为了保证结论的准确性，需要对相关系数进行显著性校验，包括：
[0107]
首先，提出原假设h0与备择假设h1：
[0108]
h0：两个变量不存在相关关系；
[0109]
h1：两个变量存在相关关系；
[0110]
然后，针对每个相关系数，将该相关系数带入如下公式得出该相关系数的校验值：
[0111][0112]
其中，所述t为该相关系数的校验值，所述n为样本数量，所述r为该相关系数。
[0113]
在校验值满足显著条件的情况下，确定该相关系数具有显著性。
[0114]
在一些实施例中，显著条件包括：校验值大于设定值；其中，所述设定值根据临界值确定。当原假设成立时，构造的t统计量服从自由度为(n
‑
2)的t分布，自由度指的是计算
某一统计量时，取值不受限制的变量个数。根据给定的显著性水平α和自由度(n
‑
2)，查找t分布表中相应的临界值t
α/2
，并将检验值与临界值进行对比。在假设检验中，临界值是检验分布上的一个点，用来与检验统计量的实测值进行比较以确定是否拒绝原假设。对于双侧检验来说，如果样本生成的检验统计量在数量级上超出t
α/2
则可以认为存在统计意义上的显著性并拒绝原假设。即若检验值＞临界值t
α/2
，表明r在统计上是显著的；若检验值<临界值t
α/2
，表明r在统计上是不显著的。
[0115]
本发明实施例通过校验对相关系数的校验避免受到样本容量影响导致的计算结果存在随机性的问题，提高了对环境因素与弹药可靠性之间相关度的分析精确度。
[0116]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0117]
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
[0118]
图3示出了本发明一实施例提供的弹药贮存环境分析装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0119]
如图3所示，弹药贮存环境分析装置包括：获取模块301、第一确定模块302、第二确定模块303和第三确定模块304。
[0120]
其中，获取模块301，被配置为获取弹药的多个样本数据，其中，每个样本数据包括一个指定时间内弹药所处环境的各候选环境因素的数值，以及弹药的可靠性参数的数值。
[0121]
第一确定模块302，被配置为根据皮尔逊算法和多个样本数据，确定至少一个第一环境因素，其中，第一环境因素为与可靠性参数的相关度满足第一预设条件的候选环境因素。
[0122]
第二确定模块303，被配置为根据灰关联熵算法和每个样本数据中各指定候选环境因素的数值，从各指定候选环境因素中确定至少一个第二环境因素，其中，指定候选环境为所有候选环境因素中除至少一个第一环境因素之外的部分或全部的环境因素，第二环境因素为灰熵值满足第二预设条件的候选环境因素。
[0123]
第三确定模块304，被配置为将至少一个第一环境因素和至少一个第二环境因素确定为弹药可靠性的主要影响因素。
[0124]
在一些实施例中，第一确定模块302包括：标准化单元、第一计算单元和第一确定单元。
[0125]
其中，标准化单元，被配置为对多个样本数据进行标准化处理。
[0126]
第一计算单元，被配置为分别计算标准化后样本数据中各候选环境因素与可靠性参数之间的协方差，以及各候选环境因素和可靠性参数的标准差。
[0127]
第一确定单元，被配置为基于如下公式确定各候选环境因素与可靠性参数之间的相关系数：
[0128][0129]
其中，所述r(a，b)为候选环境因素与可靠性参数的相关系数；cov(a，b)为候选环
境因素与可靠性参数的相关系数之间的协方差；d(a)为候选环境因素的方差；d(b)为可靠性参数的方差；a
i
为候选环境因素的第k个数值；b
i
为可靠性参数的第k个数值；所述为候选环境因素的平均值，所述为可靠性参数的平均值；n为样本数据总数。
[0130]
在一些实施例中，所述第一预设条件包括：所述相关系数的绝对值大于或者等于线性关系设定值。
[0131]
在一些实施例中，标准化单元包括：分组子单元和标准化子单元。
[0132]
其中，分组子单元，被配置为将所有样本数据中可靠性参数的数值构成一个分组数据，并对于每个候选环境因素，将所有样本数据中该候选环境因素的数值构成该候选环境因素对应的分组数据。
[0133]
标准化子单元，被配置为根据如下公式对每个分组数据进行标准化处理：
[0134][0135][0136]
其中，所述x(k)为候选环境因素的第k个数值；所述min
k
x(k)为候选环境因素的最小值；所述max
k
x(k)为候选环境因素的最大值；所述a(k)为标准化后的候选环境因素的第k个数值；所述y(k)为可靠性参数的第k个数值；所述min
k
y(k)为可靠性参数的最小值；所述max
k
y(k)为可靠性参数的最大值；所述b(k)为标准化后的可靠性参数的第k个数值。
[0137]
在一些实施例中，弹药贮存环境分析装置还包括：校验模块，被配置为在确定各候选环境因素与可靠性参数之间的相关系数之后，对相关系数进行显著性校验。第一确定模块，被配置为根据皮尔逊算法、所述多个样本数据和校验结果，确定至少一个第一环境因素。
[0138]
在一些实施例中，校验模块包括：第二计算单元和第二确定单元。
[0139]
其中，第二计算单元，被配置为针对每个相关系数，将该相关系数带入如下公式得出该相关系数的校验值：
[0140][0141]
其中，所述t为该相关系数的校验值，所述n为样本数量，所述r为该相关系数。
[0142]
第二确定单元，被配置为在所述校验值满足显著条件的情况下，确定该相关系数具有显著性。
[0143]
在一些实施例中，校验模块包括：假设单元、第二计算单元和第二确定单元。
[0144]
其中，假设单元，，被配置为提出原假设h0与备择假设h1：
[0145]
h0：两个变量不存在相关关系；
[0146]
h1：两个变量存在相关关系。
[0147]
第二计算单元，被配置为针对每个相关系数，将该相关系数带入如下公式得出该相关系数的校验值：
[0148][0149]
其中，所述t为该相关系数的校验值，所述n为样本数量，所述r为该相关系数。
[0150]
第二确定单元，被配置为在所述校验值满足显著条件的情况下，确定该相关系数具有显著性。
[0151]
在一些实施例中，显著条件包括：校验值大于设定值；其中，所述设定值根据临界值确定。当原假设成立时，构造的t统计量服从自由度为(n
‑
2)的t分布，自由度指的是计算某一统计量时，取值不受限制的变量个数。根据给定的显著性水平α和自由度(n
‑
2)，查找t分布表中相应的临界值t
α/2
，并将检验值与临界值进行对比。在假设检验中，临界值是检验分布上的一个点，用来与检验统计量的实测值进行比较以确定是否拒绝原假设。对于双侧检验来说，如果样本生成的检验统计量在数量级上超出t
α/2
则可以认为存在统计意义上的显著性并拒绝原假设。即若检验值＞临界值t
α/2
，表明r在统计上是显著的；若检验值<临界值t
α/2
，表明r在统计上是不显著的。
[0152]
本发明先通过皮尔逊算法对获取的弹药的多个样本数据进行分析，确定出于弹药的可靠性有线性关系的第一环境因素，避免个别环境因素的数值过大或过小会影响可靠性分析结果。然后，筛选出除第一环境因素之外与弹药的可靠性具有复杂关系的环境因素，并通过灰关系熵进行分析，以确定出第二环境因素。本发明实施例通过不同的方案确定第一环境因素和第二环境因素，避免个别环境因素的数值过大或过小影响整体的可靠性分析结果，提高了对弹药贮存环境分析的精确度，能够更全面地分析各候选环境因素与弹药的可靠性参数之间的关系。从而便于根据不同方案确定出的第一环境因素和第二环境因素因素，进一步确定出弹药的储存管理方案，有侧重地加强弹药储存管理，提高弹药的可靠性，有利于减少报废弹药数量。
[0153]
图4是本发明一实施例提供的终端的示意图。如图4所示，该实施例的终端4包括：处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。处理器40执行计算机程序42时实现上述各个弹药贮存环境分析方法实施例中的步骤，例如图1所示的步骤101至步骤103。或者，处理器40执行计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示单元31至33的功能。
[0154]
示例性的，计算机程序42可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器41中，并由处理器40执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序42在终端4中的执行过程。例如，计算机程序42可以被分割成获取模块、第一确定模块、第二确定模块和第三确定模块，各模块具体功能如下：
[0155]
获取模块，被配置为获取弹药的多个样本数据，其中，每个样本数据包括一个指定时间内弹药所处环境的各候选环境因素的数值，以及弹药的可靠性参数的数值。
[0156]
第一确定模块，被配置为根据皮尔逊算法和多个样本数据，确定至少一个第一环境因素，其中，第一环境因素为与可靠性参数的相关度满足第一预设条件的候选环境因素。
[0157]
第二确定模块，被配置为根据灰关联熵算法和每个样本数据中各指定候选环境因素的数值，从各指定候选环境因素中确定至少一个第二环境因素，其中，指定候选环境为所
有候选环境因素中除至少一个第一环境因素之外的部分或全部的环境因素，第二环境因素为灰熵值满足第二预设条件的候选环境因素。
[0158]
第三确定模块，被配置为将至少一个第一环境因素和至少一个第二环境因素确定为弹药可靠性的主要影响因素。
[0159]
所述终端4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端4的示例，并不构成对终端4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
[0160]
所称处理器40可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0161]
所述存储器41可以是所述终端4的内部存储单元，例如终端4的硬盘或内存。所述存储器41也可以是所述终端4的外部存储设备，例如所述终端4上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器41还可以既包括所述终端4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
[0162]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0163]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0164]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0165]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所
显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0166]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0167]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0168]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0169]
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。