【技术实现步骤摘要】
本专利技术涉及物流领域和信息处理领域，具体涉及到一种仓库物资存储能力的评估方法和装置。
技术介绍
1、仓储是物流与供应链中的库存控制中心，是现代物流的一个重要组成部分，在物流系统中起着至关重要的作用，是当前物流领域研究和规划的重点。仓库在物资存储、流通、测试运用过程中，会在各种物流场景下产生大量的性能测试数据，这些性能测试数据普遍存在格式繁杂、标准不统一、数据多等多源异构特点，如何对这些复杂多源异构的性能测试数据进行有效的汇聚、处理及评估，从而实现对仓库存储效能的准确判别和性能特征的正确提取，为有效提升仓库的存储能力提供支撑，是当前仓储物流领域需要解决的关键问题。
技术实现思路
1、本专利技术主要解决如何对复杂多源异构的性能测试数据进行有效的汇聚、处理及评估，从而实现对仓库存储效能的准确判别和性能特征的正确提取，为有效提升仓库的存储能力提供支撑的问题，本专利技术公开了一种仓库物资存储能力的评估方法和装置。
2、本申请实施例第一方面，公开了一种仓库物资存储能力的评估方法，包括：s1，获取仓库物资存储能力信息集合；所述仓库物资存储能力信息集合，包括仓库物资存储能力信息；所述仓库物资存储能力信息，包括每个仓库物资存储能力的所有采样时刻的采样值；
3、s2，对所述仓库物资存储能力信息集合进行预处理，得到预处理后的仓库物资存储能力信息集合；
4、s3，对所述预处理后的仓库物资存储能力信息集合进行评估处理，得到仓库物资存储能力评估值。
5、所述对
6、s21，对所述仓库物资存储能力信息集合进行检查处理，得到边界检查后的仓库物资存储能力信息集合；
7、s22，对所述边界检查后的仓库物资存储能力信息集合进行数据清理处理，得到预处理后的仓库物资存储能力信息集合。
8、所述对所述仓库物资存储能力信息集合进行检查处理，得到检查后的仓库物资存储能力信息集合，包括：
9、s211,对仓库物资存储能力信息集合的每一类数据属性的数据，以所述数据的数据采集信息为自变量，以所述数据的数据取值为因变量，进行自回归-滑动平均建模，分别得到所述类数据属性的回归模型；
10、s212,利用所述回归模型，对所述自变量进行计算处理，得到回归数据取值；
11、s213,判别所述回归数据取值与对应的因变量值之差的绝对值，是否大于设定的第一回归判别阈值；若大于所述第一回归判别阈值，将所述数据从所述仓库物资存储能力信息集合中删除，若小于等于所述第一回归判别阈值，不对所述数据进行处理；
12、s214，对所述仓库物资存储能力信息集合的所有执行s211至s213后的数据进行融合处理，得到检查后的仓库物资存储能力信息集合。
13、所述对所述预处理后的仓库物资存储能力信息集合进行评估处理，得到仓库物资存储能力评估值，包括：
14、s31，将所述预处理后的仓库物资存储能力信息集合，表示为矩阵w；所述矩阵w的第i行向量，表示仓库的第i个能力类型在所有采样时刻的采样值；
15、s32，对所述矩阵w的每个行向量进行时频变换，得到对应的时频向量；利用所有的时频向量，构建得到时频矩阵p；
16、s33，对所述时频矩阵p的每个列向量进行分类极值提取处理，得到对应的第一解信息和第二解信息；
17、s34，对所述时频矩阵p的每个列向量与对应的第一解信息和第二解信息分别进行特征距离计算，分别得到第一特征距离向量和第二特征距离向量；
18、s35，对所述时频矩阵p进行分解处理，得到特征矩阵y；
19、所述分解处理，其计算表达式为：
20、p＝uyv，
21、其中，u为左分解矩阵，y为特征矩阵，v为右分解矩阵，u和v均为正交矩阵；
22、s36，提取得到所述特征矩阵的对角线元素，利用所有提取得到的对角线元素，构建得到对角线向量；
23、s37，对所述第一特征距离向量、第二特征距离向量和对角线向量进行融合加权处理，得到仓库物资存储能力评估值。
24、所述分类极值提取处理的表达式为：
25、
26、其中，为利用所述时频矩阵p的第i个行向量得到的第一解信息，pi′为利用所述时频矩阵p的第i个行向量得到的第二解信息；i∈j*表示第i类能力类型属于效益型指标，i∈j′表示第i类能力类型属于成本型指标，j*为效益型指标，j'为成本型指标；能力类型的类别序号，根据矩阵w的行序号确定；m和n分别为所述时频矩阵p的行维度和列维度。
27、所述特征距离计算的表达式为：
28、
29、其中，为第一特征距离向量的第i个元素，s′i为第二特征距离向量的第i个元素。
30、所述融合加权处理的计算表达式为：
31、
32、其中，v为仓库物资存储能力评估值，i＝1,2,…,m，ui为对角线向量的第i个元素。
33、本专利技术实施例第二方面，公开了一种仓库物资存储能力的评估装置，所述装置包括：
34、存储有可执行程序代码的存储器；
35、与所述存储器耦合的处理器；
36、所述处理器调用所述存储器中存储的所述可执行程序代码，执行所述的仓库物资存储能力的评估方法。
37、本专利技术实施例第三方面，公开了一种计算机可存储介质，所述计算机可存储介质存储有计算机指令，所述计算机指令被计算机调用时，用于执行所述的仓库物资存储能力的评估方法。
38、本专利技术实施例第四方面，公开了一种信息数据处理终端，所述信息数据处理终端用于实现所述的仓库物资存储能力的评估方法。
39、本专利技术的有益效果为：
40、本专利技术针对仓库在物资存储、流通、测试运用过程产生的各种物流场景下的性能测试数据进行了有效的数据筛选和清理处理，保障了原始数据的准确性，为能力评估的展开提供了有效前提。
41、本专利技术在能力评估过程中，通过对成本型指标和性能型指标采用不同的分类极值提取处理方式，确保了对各类型指标的有效融合。
42、本专利技术提出了特征距离计算方法和融合加权计算方法，实现了指标特征的有效提取和融合，抑制了指标不相关量，实现了对仓库存储效能的准确判别和性能特征的正确提取，完成了仓库存储能力的准确评估。
本文档来自技高网...【技术保护点】
1.一种仓库物资存储能力的评估方法，其特征在于，包括：
2.如权利要求1所述的仓库物资存储能力的评估方法，其特征在于，所述对所述仓库物资存储能力信息集合进行预处理，得到预处理后的仓库物资存储能力信息集合，包括：
3.如权利要求2所述的仓库物资存储能力的评估方法，其特征在于，所述对所述仓库物资存储能力信息集合进行检查处理，得到检查后的仓库物资存储能力信息集合，包括：
4.如权利要求1所述的仓库物资存储能力的评估方法，其特征在于，所述对所述预处理后的仓库物资存储能力信息集合进行评估处理，得到仓库物资存储能力评估值，包括：
5.如权利要求4所述的仓库物资存储能力的评估方法，其特征在于，所述分类极值提取处理的表达式为：
6.如权利要求4所述的仓库物资存储能力的评估方法，其特征在于，所述特征距离计算的表达式为：
7.如权利要求4所述的仓库物资存储能力的评估方法，其特征在于，所述融合加权处理的计算表达式为：
8.一种仓库物资存储能力的评估装置，其特征在于，所述装置包括：
9.一种计算机可存储介质，
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求1至7中任一项所述的仓库物资存储能力的评估方法。
...【技术特征摘要】
1.一种仓库物资存储能力的评估方法，其特征在于，包括：
2.如权利要求1所述的仓库物资存储能力的评估方法，其特征在于，所述对所述仓库物资存储能力信息集合进行预处理，得到预处理后的仓库物资存储能力信息集合，包括：
3.如权利要求2所述的仓库物资存储能力的评估方法，其特征在于，所述对所述仓库物资存储能力信息集合进行检查处理，得到检查后的仓库物资存储能力信息集合，包括：
4.如权利要求1所述的仓库物资存储能力的评估方法，其特征在于，所述对所述预处理后的仓库物资存储能力信息集合进行评估处理，得到仓库物资存储能力评估值，包括：
5.如权利要求4所述的仓库物资存储能力的评估方法，其特征在于，所述分...
【专利技术属性】
技术研发人员：陈文阁，罗少锋，李娅菲，陈可夫，刘振华，廉晓根，高飞，赵吉敏，
申请(专利权)人：中国人民解放军军事科学院系统工程研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。