SVM在田徑100米比賽成績(jī)預(yù)測(cè)的初步研究

杜大群

（衢州職業(yè)技術(shù)學(xué)院公共體育部 浙江·衢州 324000）

中圖分類號(hào)：G822 文獻(xiàn)標(biāo)識(shí)：A 文章編號(hào)：1009-9328（2014）09-000-01

摘 要 本文通過對(duì)歷屆夏季奧運(yùn)會(huì)短跑冠軍的短跑成績(jī)進(jìn)行研究，以期達(dá)到對(duì)今后的短跑成績(jī)進(jìn)行預(yù)測(cè)，對(duì)運(yùn)動(dòng)員的科學(xué)訓(xùn)練起到指導(dǎo)性作用。運(yùn)用支持向量機(jī)（SVM）對(duì)運(yùn)動(dòng)員計(jì)時(shí)性項(xiàng)目成績(jī)進(jìn)行分析，用每四次建立模型預(yù)測(cè)下次。研究表明利用該方法對(duì)短跑項(xiàng)目的成績(jī)預(yù)測(cè)是有效的，因此，此研究方法亦可為今后預(yù)測(cè)全國(guó)乃至世界短跑項(xiàng)目比賽的成績(jī)與名次提供新思路、新方法。

關(guān)鍵詞 Support Vector Machine 短跑比賽 成績(jī)預(yù)測(cè)

一、研究對(duì)象及方法

（一）研究對(duì)象

以l896—2012年歷屆奧運(yùn)會(huì)田徑比賽男子100米冠軍成績(jī)作為研究對(duì)象。

（二）研究方法

1.文獻(xiàn)資料法。通過校圖書館和電子專業(yè)期刊網(wǎng)廣泛查閱和搜集相關(guān)田徑項(xiàng)目發(fā)展及SVM相關(guān)文獻(xiàn)資料，并進(jìn)行分析整理，為本研究提供堅(jiān)實(shí)的理論基礎(chǔ)。

2.支持向量機(jī)方法。支持向量機(jī)（SVM）是一種新型的分類和函數(shù)估計(jì)工具，源于統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)之上，近年來它在模式識(shí)別、回歸和金融時(shí)間序列等方面均取得了成功應(yīng)用。通過查閱相關(guān)資料獲取比賽數(shù)據(jù)，利用支持向量機(jī)（SVM）對(duì)其數(shù)據(jù)進(jìn)行分析、預(yù)測(cè)[4-5]。

二、研究結(jié)果及分析

SVM的關(guān)鍵在于核函數(shù)。低維空間向量集通常難于劃分，解決的方法是將它們映射到高維空間。但這個(gè)辦法帶來的困難就是計(jì)算復(fù)雜度的增加，而核函數(shù)正好巧妙地解決了這個(gè)問題。這樣，在高維空間中實(shí)際上只需進(jìn)行內(nèi)積運(yùn)算，而這種內(nèi)積運(yùn)算是可以用原空間的函數(shù)來實(shí)現(xiàn)的，我們甚至沒有必要知道變換的形式。根據(jù)泛函的有關(guān)理論，只要一種核函數(shù)K（xj，x）滿足Mercer條件，它就對(duì)應(yīng)某一空間中的內(nèi)積[3]。此時(shí)分類函數(shù)變?yōu)椋?/p>

（一）研究結(jié)果

一個(gè)非線性模型通常需要足夠的模型數(shù)據(jù)，與非線性SVC方法相同，一個(gè)非線性映射可將數(shù)據(jù)映射到高維的特征空間中，在其中就可以進(jìn)行線性回歸[6]。運(yùn)用核函數(shù)可以避免模式升維可能產(chǎn)生的"維數(shù)災(zāi)難"，即通過運(yùn)用一個(gè)非敏感性損耗函數(shù)，非線性SVR的解即可通過下面方程求出：

其約束條件為：

由此可得拉格朗日待定系數(shù)和，回歸函數(shù)f（X）則為：

通過非線性變換，把輸入數(shù)據(jù)映射到高維特征空間，然后在高維特征空間中求解回歸問題。

根據(jù)奧運(yùn)會(huì)多年來的發(fā)展、經(jīng)歷的戰(zhàn)爭(zhēng)和重大的政治事件和田徑運(yùn)動(dòng)的特點(diǎn)劃分為六個(gè)階段：1896年到第一次世界大戰(zhàn)時(shí)期；一戰(zhàn)時(shí)期；兩次世界大戰(zhàn)之間時(shí)期；二戰(zhàn)時(shí)期；二戰(zhàn)后至1968年時(shí)期；l972年至今。由于中間種種原因中間有幾界奧運(yùn)會(huì)未能順利舉辦，為方便期間的劃分與計(jì)算更合理，以下用奧運(yùn)會(huì)的次數(shù)而不用屆數(shù)來表示。

通過SVM進(jìn)行數(shù)據(jù)規(guī)格化，并且用前4次預(yù)測(cè)第五次為格式進(jìn)行建表分析。

將前22次作為訓(xùn)練集，將最后一次作為測(cè)試集，特別說明第22次為2008年北京奧運(yùn)會(huì)的男子100米冠軍成績(jī)。第23次作為預(yù)測(cè)2012年奧運(yùn)會(huì)男子100米冠軍成績(jī)。

通過實(shí)驗(yàn)尋找最優(yōu)核函數(shù)。

（二）預(yù)測(cè)結(jié)果：

使用最小核函數(shù)進(jìn)行建模，預(yù)測(cè)2012年奧運(yùn)會(huì)的男子100米成績(jī)是9.47秒，，由于一定的原因，在倫敦奧運(yùn)會(huì)百米比賽的冠軍成績(jī)未達(dá)到9.47秒，但接近于預(yù)測(cè)成績(jī)。所以一項(xiàng)新的世界記錄在下一屆奧運(yùn)會(huì)上有可能誕生。

三、結(jié)論與分析

由于體育比賽的成績(jī)易受多種因素的影響，所以預(yù)測(cè)結(jié)果會(huì)有誤差，但是總體來說，由第22次實(shí)驗(yàn)數(shù)據(jù)可以看出此方法誤差較小，因此具有可行性，可以提供參考性意見，具有指導(dǎo)意義。通過支持向量機(jī)（SVM）不僅可以用較小的信息預(yù)測(cè)體育比賽的成績(jī)，而且還考慮了隨機(jī)因素對(duì)系統(tǒng)狀態(tài)的轉(zhuǎn)換規(guī)律的影響，并且能夠充分挖掘歷史數(shù)據(jù)提供的信息，對(duì)今后的比賽數(shù)據(jù)發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。其實(shí)，不僅僅是在體育比賽的短跑方面，在其他體育領(lǐng)域內(nèi)的比賽仍然可以預(yù)測(cè)，因此對(duì)體育運(yùn)動(dòng)的發(fā)展起到指導(dǎo)性的意義。

參考文獻(xiàn)：

[1] Domine D.， Devillers J.， Chastrette M.， Karcher W.. Non-linear mapping for structure-activity and structure-property modeling[J]. Journal of Chemomatrics.1993.7：227-242.

[2] Wang Ziyi， Jenq-Hwang， Kowalski Bruce R.， ChemNets： Theory and Application[J]. Analytical Chemistry.1995.67（9）：1497-1504.

[3] Ruffini R. et al.， Using neural network for springback minimization in a channel forming process， SAE Trans. J. Mater[J]. Manufacture.1998.107.65.

[4] Can L J，'Fay Francis E H.Support vector machine with adaptive parameters in financial time series forecasting[J].IEEE Transactions on Neural Networks.2003.14（6）：1506-1518.

[5] Vapnik V N.Statistical learning theory[M].New York：Wiley.1998.