BP神經(jīng)網(wǎng)絡(luò)與Kriging算法在足球比賽評(píng)分中的應(yīng)用

楊子煜

摘要：為了更準(zhǔn)確地研究不同參數(shù)對(duì)足球比賽評(píng)分系統(tǒng)的影響，在BP神經(jīng)網(wǎng)絡(luò)理論和Kriging算法基礎(chǔ)上，通過對(duì)算法的改進(jìn)來預(yù)測(cè)足球比賽的賽后評(píng)分，以減少人類勞動(dòng)。在使用兩種方法進(jìn)行預(yù)測(cè)時(shí)，通過最后數(shù)據(jù)分析兩種方法的優(yōu)劣。

Abstract： In order to more accurately study the influence of different parameters on the football match scoring system， based on the BP neural network theory and Kriging algorithm， the algorithm is improved to predict the post-match score of the football match to reduce human labor. When using two methods to make predictions， the pros and cons of the two methods is analyzed through the final data.

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)算法;Kriging算法;足球比賽賽后評(píng)分

Key words： BP neural network algorithm;Kriging algorithm;score after football match

中圖分類號(hào)：TP311.52;TP183 ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1006-4311（2020）25-0209-03

0 ?引言

目前可靠的足球比賽賽后評(píng)分機(jī)構(gòu)有WhoScored和SofaScore兩家[1]。兩家公司均根據(jù)英國足球數(shù)據(jù)網(wǎng)站Opta提供的球隊(duì)原始數(shù)據(jù)并通過自己特有的算法公式來評(píng)價(jià)球隊(duì)在某場(chǎng)比賽中的表現(xiàn)并給出分?jǐn)?shù)。在以WhoScored網(wǎng)站為例介紹二者的評(píng)分機(jī)制，WhoScored網(wǎng)站的評(píng)分算法會(huì)加大重要的比賽數(shù)據(jù)的權(quán)重，這些重要比賽數(shù)據(jù)對(duì)球員的正面或負(fù)面評(píng)價(jià)密切相關(guān)。與重要比賽數(shù)據(jù)相關(guān)的是重要數(shù)據(jù)事件，比如球員在禁區(qū)的一次成功過人或搶斷，這些比賽數(shù)據(jù)都會(huì)被完整記錄并被分為三類：進(jìn)攻數(shù)據(jù)、防守?cái)?shù)據(jù)和傳球數(shù)據(jù)。重要數(shù)據(jù)事件也會(huì)根據(jù)其重要程度以6分為基準(zhǔn)增減進(jìn)行評(píng)分并賦予不同權(quán)值。對(duì)得分有直接影響的數(shù)據(jù)如進(jìn)球、助攻、射門自然獲得的權(quán)重較高[2]。

本文基于BP神經(jīng)網(wǎng)絡(luò)算法和Kriging算法研究二者對(duì)足球評(píng)分系統(tǒng)的影響。

1 ?BP神經(jīng)網(wǎng)絡(luò)算法與Kriging算法原理

①BP神經(jīng)網(wǎng)絡(luò)算法：BP神經(jīng)網(wǎng)絡(luò)是通過誤差逆?zhèn)鞑磉M(jìn)行訓(xùn)練的一種多層前饋網(wǎng)絡(luò)。其基本思想是梯度下降法，通過比較實(shí)際輸出和期望輸出，若二者誤差過大，就對(duì)誤差進(jìn)行反向傳播，經(jīng)過梯度搜索，最終使二者之間的誤差對(duì)應(yīng)的均方差最小。

2 ?案例分析

利用BP神經(jīng)網(wǎng)絡(luò)算法和Kriging算法基于隨機(jī)輸入變量對(duì)足球比賽賽后評(píng)分進(jìn)行分析，通過對(duì)兩個(gè)不同算法進(jìn)行改進(jìn)以尋找更適合足球比賽賽后評(píng)分的預(yù)測(cè)算法。如圖1。

3 ?總結(jié)與結(jié)論

本文基于多場(chǎng)比賽的實(shí)測(cè)數(shù)據(jù)，采用BP神經(jīng)網(wǎng)絡(luò)算法和改進(jìn)的Kriging插值代理模型，探索了實(shí)際使用環(huán)境下各足球比賽參數(shù)對(duì)足球比賽賽后評(píng)分的影響，因?yàn)锽P神經(jīng)網(wǎng)絡(luò)與Kriging算法在預(yù)測(cè)方面使用較多，所以本文采用這兩種方法預(yù)測(cè)足球比賽賽后評(píng)分并歸納兩種不同算法的好壞。本文采用的BP神經(jīng)網(wǎng)絡(luò)算法，與標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)BP算法略有改進(jìn)，通過使用三層（多層）來進(jìn)行迭代運(yùn)算。不同于傳統(tǒng)的Kriging算法，本文采用的Kriging算法也進(jìn)行了改進(jìn)：結(jié)合多種群遺傳算法對(duì)克里金模型進(jìn)行超參數(shù)尋優(yōu)。最終形成如下結(jié)論：

①由足球比賽的實(shí)測(cè)數(shù)據(jù)相關(guān)分析可知，射門數(shù)、射正數(shù)、傳球成功率等三個(gè)參數(shù)與賽后評(píng)分的相關(guān)程度較強(qiáng)，可用于建立賽后評(píng)分的影響性分析模型;

②在求解kriging中相關(guān)函數(shù)的待定系數(shù)時(shí)采用遺傳算法，可以使Kriging插值模型得到優(yōu)化。

4 ?數(shù)據(jù)處理

①本來機(jī)器評(píng)分具有一定的客觀性和偶然性。網(wǎng)站所給評(píng)分由多位記者打分平均值得出。但對(duì)于機(jī)器來說，比如有時(shí)一個(gè)球隊(duì)表現(xiàn)的很好卻輸?shù)袅吮荣悾?019年8月11日曼聯(lián)對(duì)陣切爾西，整場(chǎng)比賽中曼聯(lián)各項(xiàng)數(shù)據(jù)（禁區(qū)過人數(shù)、傳球率、射門）都明顯低于切爾西，但曼聯(lián)把握機(jī)會(huì)能力較高，最終以4：0戰(zhàn)勝切爾西，在賽后由機(jī)器評(píng)分的過程中，贏得比賽的曼聯(lián)得分居然低于沒有進(jìn)球的切爾西。相較比賽雙方結(jié)果而言，機(jī)器評(píng)分相對(duì)來說是不客觀的。該BP機(jī)器學(xué)習(xí)算法雖然考慮了進(jìn)球?qū)Υ蚍诛@著性影響，但忽略了進(jìn)球?qū)Υ蚍值闹匾?，沒有單獨(dú)考慮進(jìn)球?qū)Υ蚍值挠绊?，這是本BP神經(jīng)網(wǎng)絡(luò)算法存在的一個(gè)小問題，發(fā)生這種情況的原因是：在BP神經(jīng)網(wǎng)絡(luò)算法中，根據(jù)學(xué)習(xí)數(shù)據(jù)進(jìn)行學(xué)習(xí)，進(jìn)而得到權(quán)值，所得到的權(quán)值是相對(duì)于大樣本而言的。本場(chǎng)比賽比較特殊，顯然是切爾西得勢(shì)不得分，曼聯(lián)隊(duì)依靠快速反擊獲得4個(gè)進(jìn)球，顯然曼聯(lián)隊(duì)效率更高。但在BP神經(jīng)網(wǎng)絡(luò)中，機(jī)器給出的是依靠大數(shù)據(jù)評(píng)分的，并且機(jī)器沒有突出考慮進(jìn)球?qū)Υ蚍值挠绊?，?duì)于這種看起來“離譜”的特殊情況，并不能完全正確的打分。（圖3-圖5）

②因?yàn)槿舜蚍志陀兄饔^性，機(jī)器打分綜合了大數(shù)據(jù)的影響，相對(duì)客觀一些，但不能否認(rèn)有時(shí)機(jī)器打出來的分不是十分正確，但是90%情況下機(jī)器打分?jǐn)?shù)據(jù)是相對(duì)正確的，因?yàn)樗懦巳藗冎饔^的看法，更具有客觀性。本次利用學(xué)習(xí)后的數(shù)據(jù)進(jìn)行檢測(cè)，30個(gè)數(shù)據(jù)中只有3個(gè)數(shù)據(jù)誤差較大（絕對(duì)值之差超過0.5），有將近一半的數(shù)據(jù)誤差小于0.1，而且只有4個(gè)數(shù)據(jù)方差超過公認(rèn)打分可接受誤差。可見BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于足球比賽賽后自動(dòng)評(píng)分系統(tǒng)潛力較大，可以替代人工打分，減少了人工工作量。

③出現(xiàn)錯(cuò)誤值的原因是：因?yàn)槿鐖D6可能梯度下降時(shí)有時(shí)收斂到了局部最優(yōu)點(diǎn)，而不能收斂到全局最優(yōu)點(diǎn)。

參考文獻(xiàn)：

[1]付裕.神經(jīng)網(wǎng)絡(luò)在足球比賽中的勝負(fù)預(yù)測(cè)，2012，38（1）： 17-20.

[2]雷光裕.世界杯足球比賽多分類預(yù)測(cè)模型研究[J].軟件導(dǎo)刊，2008，23（2）：256-262.

[3]劉志平，石林英.最小二乘法原理及其MATLAB實(shí)現(xiàn)[J]. 中國西部科技，2008，7（17）：33-34.

[4]YAO Niankui，SUI Fucheng，WANG Chengbo. Free Flight Engagement Condition of Carrier-Based Aircraft[J]. Aircraft Design， 2011，31（6） ： 10-15.

[5]LI Qiming，F(xiàn)ENG Yunwen，YU Liming. Kinetics Analysis and Simulation of Aircraft Arrested Shore-Landing[J]. Computer Sim- ulation，2010，27（1） ： 27-31.

[6]NIE Hong，PENG Yiming，WEI Xiaohui，et al. Overview of Carrier-Based Aircraft Arrested Deck-Landing Dynamics[J]. Acta Aeronautica et Astronautica Sinica，2014，35（1） ： 1-12.