本站原创
摘要： 针对影响体育比赛成绩的因素很多， 传统的体育预测方法很难得到满意预测结果的现状。利用跳远运动员专项成绩与素质训练水平之间的相关关系， 借助BP神经网络强大的非线性映射能力， 提出了跳远运动员专项成绩的神经网络预测模型。该模型弥补了传统预测方法的不足，充分利用了数据中所包含的信息，与传统的预测方法相比，预测结果的精确度有了较大的提高。为解决该领域内复杂的难以用传统数学方法解决的问题提供了一种新颖的思路和方法。从而为运动员进行科学训练提供了理论依据。
Abstract： The factors influencing the sports scores are a lot. The traditional sports predicted method is difficult to obtain satiactory results. According to the correlation between specific performance and quality training level of long jumper， based on the powerful nonlinear mapping ability of BP neural network， the paper builds the neural network model of long jump
关键词： BP神经网络；跳远运动员；专项成绩；预测精度
Key words： BP neural network；long jump athletes；special scores；prediction accuracy
1006-4311（2013）03-0178-03
0 引言
影响体育竞赛成绩的因素很多，最主要的是运动员的体质，但同时运动员的体形、技术特点、心理状态及外界环境等都会在一定程度上影响运动员的竞技成绩[1-2]。传统的预测方法虽然在一定程度上能够利用运动员个人的训练指标对专项成绩进行预测，从而指导运动员的日常训练，但是这些模型都有比较苛刻的条件限制和使用范围，如在利用多重线性回归模型进行预测时，专项成绩与各相关因素之间需要服从正态性、方差齐性、多重线性关系等严格的条件，而灰色系统预测模型属于线性建模，在短期预测精度上有一定效果，而对于复杂的非线性关系时，单纯的灰色预测就很难获得一个可接受的预测误差[3]。但是，实际上专项成绩与各素质训练水平之间可能存在复杂的非线性函数关系，很难满足传统预测模型的条件限制，因此，使用多重线性回归或灰色系统等传统模型对运动员的专项成绩进行预测可能会存在较大误差，导致模型的预测精度降低，从而显示出不合理的特征[4-6]。
与传统的预测方法相比，BP神经网络的应用没有严格的条件限制，变量间不需要满足线性、独立性、正态性、方差齐性等条件，该网络具有自组织、自适应及容错性强等特点，从而可以有效的进行数据间的非线性映射，当传统预测模型无法达到目的或者预测效果不好时，使用此模型往往会达到很好的预测效果。
BP神经网络，即反向传播，是目前应用比较多的一种。其基本思想是使用梯度搜索理论，使网络实际输出与期望输出的差值的均方达到最小。输入变量Xi通过中间节点影响输出节点，经过复杂的非线性变换过程，生成输出变量Yk，当反应变量与模型的输出变量之差大于事先设定的误差标准时，模型重新设置各层的权值，重新建立模型，直到误差值小于事先设定的误差时训练停止。BP神经网络的计算流程图如图1所示。
Abstract： The factors influencing the sports scores are a lot. The traditional sports predicted method is difficult to obtain satiactory results. According to the correlation between specific performance and quality training level of long jumper， based on the powerful nonlinear mapping ability of BP neural network， the paper builds the neural network model of long jump
怎样写论文www.udooo.com
er's specific performance. The model makes up for the deficiency of traditional forecasting methods， and makes full use of the information contained in the data， and compared with the traditional prediction method， the accuracy of the prediction results he greatly improved. The paper puts forward a new thought and method to solve the problems that is difficult to solve by using traditional mathematical methods， providing a theoretical basis for scientific training for athletes.关键词： BP神经网络；跳远运动员；专项成绩；预测精度
Key words： BP neural network；long jump athletes；special scores；prediction accuracy
1006-4311（2013）03-0178-03
0 引言
影响体育竞赛成绩的因素很多，最主要的是运动员的体质，但同时运动员的体形、技术特点、心理状态及外界环境等都会在一定程度上影响运动员的竞技成绩[1-2]。传统的预测方法虽然在一定程度上能够利用运动员个人的训练指标对专项成绩进行预测，从而指导运动员的日常训练，但是这些模型都有比较苛刻的条件限制和使用范围，如在利用多重线性回归模型进行预测时，专项成绩与各相关因素之间需要服从正态性、方差齐性、多重线性关系等严格的条件，而灰色系统预测模型属于线性建模，在短期预测精度上有一定效果，而对于复杂的非线性关系时，单纯的灰色预测就很难获得一个可接受的预测误差[3]。但是，实际上专项成绩与各素质训练水平之间可能存在复杂的非线性函数关系，很难满足传统预测模型的条件限制，因此，使用多重线性回归或灰色系统等传统模型对运动员的专项成绩进行预测可能会存在较大误差，导致模型的预测精度降低，从而显示出不合理的特征[4-6]。
与传统的预测方法相比，BP神经网络的应用没有严格的条件限制，变量间不需要满足线性、独立性、正态性、方差齐性等条件，该网络具有自组织、自适应及容错性强等特点，从而可以有效的进行数据间的非线性映射，当传统预测模型无法达到目的或者预测效果不好时，使用此模型往往会达到很好的预测效果。
1 研究对象
部分国内一流水平的跳远运动员，国家健将。2 研究方法
人工神经网络是由大量的处理单元相互连接而组成的信息处理系统，具有非线性、自适应等特点。神经网络起源于现代神经科学的研究成果，其主要目的是尝试通过模拟大脑神经网络处理及记忆信息的方式来进行信息处理。人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术完全不同的原理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷， 具有较好的容错和抗干扰能力以及具有记忆、联想、自适应和良好的鲁棒性等一系列优点[7]。BP神经网络，即反向传播，是目前应用比较多的一种。其基本思想是使用梯度搜索理论，使网络实际输出与期望输出的差值的均方达到最小。输入变量Xi通过中间节点影响输出节点，经过复杂的非线性变换过程，生成输出变量Yk，当反应变量与模型的输出变量之差大于事先设定的误差标准时，模型重新设置各层的权值，重新建立模型，直到误差值小于事先设定的误差时训练停止。BP神经网络的计算流程图如图1所示。
3 预测专项成绩的BP神经网络模型
3.1 模型自变量的筛选 由于各项素质训练指标与专项成绩之间的关联强度不同，对于专项成绩预测的影响系数也会不同。需要筛选出对运动员专项成绩影响较大的素质训练指标。利用2008-2009年国家体育总局收录的跳远运动员历史数据信息，对跳远运动员各素质训练指标与专项成绩做相关性分析，计算出各自相关系数（r），结果见表1。由表1可知，运动员的立定跳、30米跑、离板瞬间重心腾起初速度、最后5米助跑速度及100米跑等五项素质训练指标与专项成绩之间的相关系数均较大，选取这五项素质训练指标作为运动员专项成绩的预测因子。源于：毕业设计论文网www.udooo.com