1.一种青少年体质大数据优化存储方法，其特征在于，所述方法包括：

获取青少年的每种体测指标下的体测数据序列，不同所述体测数据序列中的相同序号的序列元素为同一青少年的体测数据；

根据不同体测指标下的所述体测数据序列间体测数据的变化相关情况，获取不同体测指标间的指标关联程度；根据每种体测指标与其余体测指标间的所述指标关联程度，及每种体测指标下的所述体测数据序列中的体测数据，获取每种体测指标下的所述体测数据序列中每个体测数据的拟合参考值；根据每种体测指标下的所述体测数据序列中每个体测数据与对应所述拟合参考值间的差异，获取每个体测数据的置信度；

根据每个体测数据的所述置信度对体测数据进行异常检测；对异常检测后的每种体测指标下的所述体测数据序列进行存储。

2.根据权利要求1所述的一种青少年体质大数据优化存储方法，其特征在于，所述指标关联程度的计算公式包括：；其中， 为第 种体测指标与

第 种体测指标间的指标关联程度； 为第 种体测指标的体测数据序列与第 种体测指标的体测数据序列间的相似度；为体测数据在体测数据序列中的序号； 为每种体测指标下的体测数据序列中的体测数据的总数量； 为第 种体测指标的体测数据序列中的第 个体测数据； 第 种体测指标的体测数据序列中的第 个体测数据；为第 种体测指标的体测数据序列中的所有体测数据的均值；为第 种体测指标的体测数据序列中的所有体测数据的均值； 为S型函数。

3.根据权利要求1所述的一种青少年体质大数据优化存储方法，其特征在于，所述拟合参考值的获取方法包括：在每种体测指标下，根据所述体测数据序列中的体测数据获取对应体测指标下的每个体测数据的参考健康值；

以任一体测指标为目标指标，将所述目标指标与其余非目标指标间的指标关联程度作为权重，对非目标指标下的所述体测数据序列中的每个体测数据对应所述参考健康值，进行加权求均，将加权求均值作为所述目标指标下的所述体测数据序列中每个体测数据的拟合参考值。

4.根据权利要求3所述的一种青少年体质大数据优化存储方法，其特征在于，所述参考健康值的获取方法包括：在每种体测指标下的所述体测数据序列中，将所有相同年龄段的青少年的体测数据的均值进行归一化处理后，作为对应年龄段的青少年的体测数据的参考健康值，得到每个体测数据的参考健康值。

5.根据权利要求4所述的一种青少年体质大数据优化存储方法，其特征在于，所述置信度的获取方法包括：将每个体测数据归一化处理，将归一化后的体测数据与对应所述拟合参考值间的差值绝对值进行负相关映射归一化，得到每个体测数据的置信度。

6.根据权利要求1所述的一种青少年体质大数据优化存储方法，其特征在于，所述对体测数据进行异常检测的方法包括：根据每个体测数据的所述置信度调整所属体测指标的预设标准范围，得到每个体测数据的异常检测区间；

在每种体测指标下的所述体测数据序列中，当每个体测数据不属于对应所述异常检测区间时，则判定对应体测数据为异常体测数据。

7.根据权利要求6所述的一种青少年体质大数据优化存储方法，其特征在于，所述异常检测区间的获取方法包括：将每个体测数据的置信度乘以体测数据所属青少年对应的预设标准范围的区间长度，得到异常检测区间的区间长度，将预设标准范围的区间中值为异常检测区间的区间中值，得到每个体测数据的异常检测区间。

8.根据权利要求1所述的一种青少年体质大数据优化存储方法，其特征在于，所述对异常检测后的每种体测指标下的所述体测数据序列进行存储的方法包括：将检测到的异常体测数据对应青少年的每种体测指标下的所有体测数据从对应所述体测数据序列中剔除，对所有进行异常剔除后的所述体测数据序列进行压缩存储。

9.根据权利要求1所述的一种青少年体质大数据优化存储方法，其特征在于，所述体测指标至少包括BMI、50米跑时长、肺活量、坐位体前屈距离、立定跳远距离。

10.一种青少年体质大数据优化存储系统，其特征在于，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权利要求1‑9任意一项所述一种青少年体质大数据优化存储方法的步骤。