基于BP 神經(jīng)系統(tǒng)與灰色度模型的籃球運(yùn)動員選材預(yù)測分析

陳 熹，董 陽

近年來，我國競技體育正逐步走向?qū)I(yè)化、系統(tǒng)化和科學(xué)化道路，但在運(yùn)動員選材方面還存在諸多不足，造成成材率較低的客觀事實(shí).其一，由于運(yùn)動員成材率是與身體機(jī)能、身體形態(tài)、技術(shù)發(fā)展、心理素質(zhì)和學(xué)習(xí)能力密切相關(guān)的復(fù)雜指標(biāo)，構(gòu)建科學(xué)有效的選材分析模型也需要權(quán)衡各個指標(biāo)的具體作用，從單一指標(biāo)預(yù)測運(yùn)動員的運(yùn)動能力發(fā)展，往往會出現(xiàn)較大偏差［1］.其二，現(xiàn)有的數(shù)字選材系統(tǒng)中，忽視了選材指標(biāo)和運(yùn)動發(fā)展之間的非線性關(guān)系，對運(yùn)動員的未來發(fā)展預(yù)測缺乏準(zhǔn)確性，依然依賴于選材教練的評估與分析，選材過程受到主觀因素的影響較大［2］.其三，選材教練的水平參差不齊，缺乏統(tǒng)一標(biāo)準(zhǔn)，大部分選材教練流于表面，僅僅關(guān)注運(yùn)動員身體機(jī)能和預(yù)計身高，我國部分選材教練的選材方式已經(jīng)漸漸落后于時代.

傳統(tǒng)的籃球運(yùn)動員選材方式存在的不足，必然會限制我國籃球人才培養(yǎng)和籃球事業(yè)發(fā)展.因此，如何進(jìn)行科學(xué)的籃球運(yùn)動員選材，是急需解決的重要問題.科學(xué)選材就是將尚未進(jìn)行專業(yè)訓(xùn)練的青少年的生理、心理等量化數(shù)據(jù)作為參考項(xiàng)目，利用現(xiàn)代化手段進(jìn)行預(yù)測和估計，從而將先天運(yùn)動發(fā)展能力較強(qiáng)、可塑性較高的運(yùn)動員選拔出來，從而提高專業(yè)培養(yǎng)后的成材率.國內(nèi)眾多學(xué)者針對如何進(jìn)行籃球運(yùn)動員科學(xué)選材進(jìn)行了研究，本文梳理現(xiàn)有研究成果發(fā)現(xiàn)，多數(shù)學(xué)者認(rèn)為利用BP 神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行籃球運(yùn)動員選材是比較科學(xué)的做法，因?yàn)榛贐P 神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)對運(yùn)動員核心運(yùn)動能力發(fā)展的模擬.彭利民和周毅［3］采用BP 神經(jīng)網(wǎng)絡(luò)驗(yàn)證了通過身體形態(tài)、基本素質(zhì)、運(yùn)動機(jī)能和技術(shù)評價足球運(yùn)動員運(yùn)動能力的可能性.馬峻和萬劼［4］的研究發(fā)現(xiàn)，BP 神經(jīng)網(wǎng)絡(luò)系統(tǒng)的信息冗余可能導(dǎo)致訓(xùn)練方向錯誤、過度擬合及泛化能力較差的問題.

由此可見，利用新技術(shù)進(jìn)行籃球運(yùn)動員科學(xué)選材具有重要的理論和現(xiàn)實(shí)意義.BP 神經(jīng)網(wǎng)絡(luò)作為機(jī)器學(xué)習(xí)中的重要理論，具有自適應(yīng)和自動革新的機(jī)制，在大量已知樣本的學(xué)習(xí)過程中，可以不斷提高系統(tǒng)的精確度，使得選材系統(tǒng)兼具專家的選材智慧和持續(xù)的發(fā)展空間，進(jìn)一步降低了因?qū)＜遗袛嗍д`而產(chǎn)生的人為影響，保證了判定的客觀性.

但是，我國籃球運(yùn)動員選材領(lǐng)域使用BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)并不普遍，少數(shù)使用神經(jīng)網(wǎng)絡(luò)進(jìn)行選材也只是將其作為輔助手段，傳統(tǒng)的選材方式依然占據(jù)主導(dǎo)地位［5］.筆者認(rèn)為實(shí)施BP 神經(jīng)系統(tǒng)選材，還需要進(jìn)一步優(yōu)化該技術(shù)，實(shí)現(xiàn)有效的數(shù)字選材過程.對此，本文進(jìn)一步引入灰色度模型對原始變量進(jìn)行事先提取，從諸多傳統(tǒng)選材指標(biāo)中提取核心指標(biāo)，進(jìn)而根據(jù)簡化后的核心指標(biāo)構(gòu)建BP 網(wǎng)絡(luò)系統(tǒng)，以期提高籃球運(yùn)動員選材模型的精準(zhǔn)度和實(shí)用性.

1 影響籃球運(yùn)動員成材率的核心因素

1.1 身體形態(tài)指標(biāo)

身體形態(tài)是籃球運(yùn)動員未來發(fā)展的重要指標(biāo)，也是體現(xiàn)籃球運(yùn)動員先天運(yùn)動能力的核心指標(biāo).在傳統(tǒng)籃球運(yùn)動員選材過程中，對于運(yùn)動員身高發(fā)展的考察較多，因此多進(jìn)行骨齡和骨垢線測試預(yù)測，從而預(yù)測運(yùn)動員身高.但隨著運(yùn)動科學(xué)發(fā)展［6］，各大機(jī)構(gòu)都證明了身高僅僅是決定籃球運(yùn)動能力的一個因素，鑒于此，本研究使用籃球運(yùn)動員的身高、體重、胸圍、大腿圍、小腿圍、臂展、下肢長度、足長8個身體形態(tài)指標(biāo)，其中，體重與運(yùn)動對抗能力關(guān)聯(lián)性較強(qiáng)，胸圍、大腿圍和小腿圍則與運(yùn)動員的運(yùn)動能力關(guān)聯(lián)性較大，臂展、下肢長度和足長是籃球防守過程中所注重的指標(biāo).

1.2 運(yùn)動素質(zhì)

運(yùn)動素質(zhì)是運(yùn)動員內(nèi)部機(jī)能的外在表現(xiàn)，部分具備優(yōu)質(zhì)身體條件的運(yùn)動員，在實(shí)際運(yùn)動中無法表現(xiàn)出較強(qiáng)的運(yùn)動素質(zhì).因此，需要通過動態(tài)運(yùn)動對運(yùn)動員的運(yùn)動素質(zhì)進(jìn)行分析，測試項(xiàng)目包括15 min 跑、100 m 跑、立定跳遠(yuǎn)、三級跳遠(yuǎn)、原地擲鐵餅5個項(xiàng)目.跑步類項(xiàng)目表現(xiàn)了運(yùn)動員的敏捷度，與籃球運(yùn)動全場運(yùn)動中和攻防轉(zhuǎn)換緊密關(guān)聯(lián)；跳遠(yuǎn)類項(xiàng)目表現(xiàn)了運(yùn)動員的彈跳力，與運(yùn)動員上籃、扣籃等技術(shù)項(xiàng)目相關(guān)性較強(qiáng)；投擲項(xiàng)目則表現(xiàn)了運(yùn)動員的上肢發(fā)力能力，與運(yùn)動員的投籃技術(shù)培育有較大關(guān)聯(lián).

1.3 運(yùn)動機(jī)能

運(yùn)動機(jī)能是運(yùn)動員未來發(fā)展?jié)摿Φ闹匾笜?biāo)，部分沒有經(jīng)過專業(yè)運(yùn)動培訓(xùn)的青少年，其運(yùn)動技能未經(jīng)開發(fā)，因此在運(yùn)動素質(zhì)上表現(xiàn)較差，通過運(yùn)動機(jī)能測試，可以發(fā)掘運(yùn)動員的未來運(yùn)動能力.測試項(xiàng)目包括血壓、靜態(tài)心率、血糖、血脂、肺活量、肌肉比例6個項(xiàng)目.血壓、心率、血糖和血脂4個項(xiàng)目，從不同角度表現(xiàn)了運(yùn)動員的心肌活躍性；而肺活量則與運(yùn)動員的持續(xù)運(yùn)動能力關(guān)聯(lián)較大，在體能消耗較強(qiáng)的籃球運(yùn)動中作用明顯；肌肉比例則是通過CT 等方式，分析運(yùn)動員白肌、中間肌和紅肌的比例，得到運(yùn)動員耐力和爆發(fā)力發(fā)展的方向，肌肉比例很大程度上表現(xiàn)了運(yùn)動員的運(yùn)動類型，對場上位置的分配有幫助.

1.4 技術(shù)水平

籃球選材過程中，也比較看重運(yùn)動員的基礎(chǔ)技能水平，一般會考察青少年的球感和球性，具體方法則是分別測試控球水平和投球水平，控球水平以交叉控球繞場一周速度測試得到；投球水平則根據(jù)青少年年齡，分別測定1～3 米的投球距離下命中率.上述4 大類籃球選材項(xiàng)目總共包含21個小項(xiàng)目.

2 灰色度模型

假設(shè)存在一系列數(shù)據(jù)指標(biāo)構(gòu)成的參考數(shù)列（又稱“母因素序列”），記作同時存在一系列數(shù)據(jù)指標(biāo)構(gòu)成了行為數(shù)列（又稱“子因素序列”），依次記為：X1,X2,X3,…,Xm，且有：

由于灰色關(guān)聯(lián)度是指參考序列和行為序列的關(guān)聯(lián)性大小，直接就兩個序列進(jìn)行比較的話，存在量綱問題限制，需要進(jìn)行以下處理.

2.1 原始數(shù)據(jù)的標(biāo)準(zhǔn)化處理

由于各子因素數(shù)列間的量綱不同，其數(shù)量級也相差很大，所以必須對原始數(shù)據(jù)（包括母因素數(shù)列）進(jìn)行無量綱處理，以消除量綱和量綱單位所帶來的不可公度性.通常對原始數(shù)據(jù)采用標(biāo)準(zhǔn)化的方法進(jìn)行變換，經(jīng)過變換后的原始數(shù)據(jù)列為：

式中：i=0，1，2，…代表選材因子K的原始數(shù)據(jù)代表該選材因子的平均值；Si代表該選材因子的標(biāo)準(zhǔn)差；σi(K)代表選材因子K的標(biāo)準(zhǔn)化處理結(jié)果.

2.2 灰色關(guān)聯(lián)系數(shù)和灰色關(guān)聯(lián)度的計算

針對σ0(K)對σi(K)于K點(diǎn)的灰色關(guān)聯(lián)系數(shù)可以采用ξi(K)表示，其表達(dá)式為：

式 中：i=0，1，2，…，m；K=1，2，3，…，n.代表兩階最小差，其中代表第一階最小差，具體求法為：先求得每個行為序列在K點(diǎn)與參考序列的絕對差，從而得到各個絕對差的最小值，再從這些最小絕對差中取一個最小值.代表兩階最大差，與最小差的求法一致.P代表分辨系數(shù)，取值在0～1 之間，分辨系數(shù)取值越高，差異度越高，但同時也會造成數(shù)據(jù)失真，一般而言，將P的值取為0.5 可以兼顧分辨度和失真度.

綜上，由于每個數(shù)列均由n個數(shù)據(jù)構(gòu)成，因此會形成n個灰色關(guān)聯(lián)系數(shù)，由于灰色信息過于分散，所以將n個灰色關(guān)聯(lián)系數(shù)取平均值，就可以得到灰色關(guān)聯(lián)度.灰色關(guān)聯(lián)度越大，則代表特征序列和行為序列間的關(guān)聯(lián)性越強(qiáng)，反之，兩者關(guān)聯(lián)性較弱.

3 BP 神經(jīng)網(wǎng)絡(luò)系統(tǒng)

3.1 BP 神經(jīng)網(wǎng)絡(luò)理論

BP 神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)中應(yīng)用最廣泛，發(fā)展最成熟的拓?fù)浣Y(jié)構(gòu).BP 神經(jīng)網(wǎng)絡(luò)系統(tǒng)包含輸入層、隱含層和輸出層組成的網(wǎng)絡(luò)結(jié)構(gòu)，各個層級之間又包括大量神經(jīng)元，通過拓?fù)渌季S實(shí)現(xiàn)對輸入信息的逐級分析和剝離，進(jìn)而得到符合目標(biāo)信息的連接過程.

BP 神經(jīng)網(wǎng)絡(luò)通過大量的機(jī)器學(xué)習(xí)不斷進(jìn)行自我訓(xùn)練和邏輯修正，使得輸入層、隱含層和輸出層之間的映射關(guān)系逐漸趨于穩(wěn)定，基于大量實(shí)例數(shù)據(jù)分析得到的映射關(guān)系，代表了兩個因素之間的量化關(guān)聯(lián).權(quán)值的逐級分布則顯示了輸入分量和輸入矢量在各個層次中的特征強(qiáng)度.以單一學(xué)習(xí)過程為例，當(dāng)研究者將學(xué)習(xí)樣本輸入到神經(jīng)網(wǎng)絡(luò)后，神經(jīng)元信息由輸入層向輸出層擴(kuò)散.此后，通過不斷調(diào)整期望輸出與實(shí)際輸出的誤差，在各層的不斷修正中回到輸入層.各個權(quán)值的調(diào)整則通過累積誤差算法進(jìn)行，依靠修正權(quán)值使得期望與實(shí)際間的誤差逐步減小，當(dāng)誤差達(dá)到預(yù)期精度之后，機(jī)器學(xué)習(xí)過程結(jié)束，如圖1 所示.

圖1 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3.2 傳遞函數(shù)和權(quán)重

根據(jù)上文描述的BP 神經(jīng)網(wǎng)絡(luò)的作用機(jī)制，首先設(shè)定各個層次間的傳遞函數(shù)，并調(diào)整權(quán)值.權(quán)值的初始值由計算機(jī)隨機(jī)賦值得到，因此無需注意，而傳遞函數(shù)則可以采用Sigmoid 線性函數(shù)形式：

式中：x代表樣本的輸入值，f( )x的取值區(qū)間為［0，1］.

3.3 數(shù)據(jù)的預(yù)處理

機(jī)器學(xué)習(xí)過程中，為了保證輸出向量更有可能落在神經(jīng)元激勵梯度較大的區(qū)域，需要針對輸入向量的特征值進(jìn)行調(diào)整，對此，要預(yù)先對訓(xùn)練樣本進(jìn)行歸一化調(diào)整：

式中：xnorm代表歸一化之后的樣本值，xmax代表樣本中的最大值，xmin代表樣本中的最小值，xi代表樣本值.

3.4 評價指標(biāo)

本研究中的BP 神經(jīng)網(wǎng)絡(luò)系統(tǒng)的評價指標(biāo)包含：標(biāo)準(zhǔn)偏差δ、偏差系數(shù)Cv、網(wǎng)絡(luò)模型效率E，這三個評價指標(biāo)可以計算得到預(yù)測值與實(shí)際值的偏離度及模型的預(yù)測效率：

公式（5）～（7）中，YSC,i代表選材因子i在標(biāo)準(zhǔn)分析（SC）中的標(biāo)準(zhǔn)差，YBP,i代表選材因子i在BP 分析（BP）中的標(biāo)準(zhǔn)差代表所有選材因子標(biāo)準(zhǔn)分析的標(biāo)準(zhǔn)差平均值.

4 組合模型在籃球運(yùn)動員選材中的應(yīng)用實(shí)例

本文選取113 名12～15 周歲男子（其中40名為籃球?qū)ｍ?xiàng)體育生，73 名是非籃球?qū)ｍ?xiàng)中學(xué)生），利用21項(xiàng)選材指標(biāo)進(jìn)行選材試驗(yàn)，按照灰色關(guān)聯(lián)分析方法，以實(shí)際運(yùn)動能力為尺度，對運(yùn)動能力的影響因素進(jìn)行分析.

4.1 運(yùn)動能力影響因素的灰色關(guān)聯(lián)度分析

按照前述的灰色關(guān)聯(lián)度計算方法，在SPSS 13.0 統(tǒng)計軟件中對各個選材指標(biāo)和運(yùn)動能力的關(guān)聯(lián)度進(jìn)行計算，并按照關(guān)聯(lián)度大小進(jìn)行排序，保留關(guān)聯(lián)度大于0.7 的選材因子，結(jié)果如表1 所示.

表1 灰色關(guān)聯(lián)核心選材因子

根據(jù)表1 的結(jié)果，關(guān)聯(lián)度大于0.7 的因子總計6個，這6個選材因子也是構(gòu)成BP 神經(jīng)網(wǎng)絡(luò)輸入端的核心因子，分別是身高、心率、肺活量、臂展、三級跳遠(yuǎn)和控球水平.

4.2 BP 神經(jīng)網(wǎng)絡(luò)系統(tǒng)構(gòu)建

本文的BP 神經(jīng)網(wǎng)絡(luò)系統(tǒng)分為三層：輸入層、隱含層和輸出層.由于輸入層包含6個選材因子（經(jīng)灰色關(guān)聯(lián)分析所得的核心選材因子），但數(shù)量上仍然較多，輸出變量僅為運(yùn)動能力單一.因此，經(jīng)過多次學(xué)習(xí)比對，確定隱含層為13個節(jié)點(diǎn)，即BP 神經(jīng)網(wǎng)絡(luò)系統(tǒng)的拓?fù)浣Y(jié)構(gòu)為6-13-1.

4.3 模型效果檢驗(yàn)和分析

將核心選材因子輸入BP 網(wǎng)絡(luò)模型，進(jìn)行指導(dǎo)訓(xùn)練和機(jī)器學(xué)習(xí)，訓(xùn)練集合的評價指標(biāo)如表2 所示（誤差在±20%以內(nèi)均為合格值）.

從表2 可知，采用灰色關(guān)聯(lián)分析后的BP模型在6-13-1 拓?fù)浣Y(jié)構(gòu)下訓(xùn)練效果較好，預(yù)測合格率達(dá)到90%.表3 中給出了10 組預(yù)測對象的組合模型評價值和專家評價值對比情況.

表2 BP 模型評價指標(biāo)

表3 組合模型與專家評價值的對比情況

由表3 的結(jié)果可見，通過灰色度模型與BP 神經(jīng)網(wǎng)絡(luò)的組合模型對籃球運(yùn)動員進(jìn)行選材，與專業(yè)選材教練的選材結(jié)果差別不大，準(zhǔn)確率達(dá)到90%，具備較強(qiáng)的準(zhǔn)確性和實(shí)用性.

5 結(jié)論

本文將BP 神經(jīng)網(wǎng)絡(luò)系統(tǒng)用于籃球運(yùn)動員選材分析之中，建立了基于灰色關(guān)聯(lián)度和BP神經(jīng)網(wǎng)絡(luò)的籃球運(yùn)動員選材分析模型，并對113 名青少年進(jìn)行了選材預(yù)測.結(jié)果表明：通過灰色關(guān)聯(lián)分析，可以有效提取傳統(tǒng)籃球運(yùn)動員選材指標(biāo)中的6個核心選材指標(biāo)，采用6-13-1 的BP 拓?fù)浣Y(jié)構(gòu)進(jìn)行訓(xùn)練和學(xué)習(xí)，通過BP 神經(jīng)網(wǎng)絡(luò)對青少年的運(yùn)動能力進(jìn)行預(yù)測，從而有效進(jìn)行選材.本文的主要結(jié)論如下：

（1）通過灰色度模型進(jìn)行灰色關(guān)聯(lián)分析，能夠縮小選材指標(biāo)范圍，進(jìn)而縮短選材測試所需時間，有利于進(jìn)行大范圍選材.

（2）通過BP 神經(jīng)系統(tǒng)的長期學(xué)習(xí)和訓(xùn)練，系統(tǒng)的選材精度會逐漸上升，教練員可以通過BP 系統(tǒng)的輔助，提高選材的精度.

（3）系統(tǒng)穩(wěn)定性仍未達(dá)到最佳，BP 神經(jīng)系統(tǒng)還需要進(jìn)一步加入其他輔助設(shè)施，例如智能佩戴裝置，用來實(shí)時采集相關(guān)數(shù)據(jù)，從而加強(qiáng)系統(tǒng)精度.目前該系統(tǒng)可以作為傳統(tǒng)選材的補(bǔ)充，為專業(yè)教練選材提供參考.