體育成績測試中BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用分析

賈西棟

(安康學(xué)院，體育學(xué)院，陜西，安康 725000)

0 引言

人工神經(jīng)網(wǎng)絡(luò)采用一種基于計算機科學(xué)的學(xué)習(xí)方法，能夠?qū)θ祟惔竽X處理問題的方法進行模擬。與人腦類似，人工神經(jīng)網(wǎng)絡(luò)也由眾多神經(jīng)元構(gòu)成，處理問題過程中依靠神經(jīng)元之間相互作用。與傳統(tǒng)的計算機算法相比，人工神經(jīng)網(wǎng)絡(luò)算法能夠在不需要獲取數(shù)據(jù)分布和變量關(guān)系的情況下，對具有復(fù)雜非線性關(guān)系的輸入和輸出關(guān)系進行動態(tài)處理[1-5]。

反向傳播(BP)神經(jīng)網(wǎng)絡(luò)算法是一種前饋網(wǎng)絡(luò)，利用誤差反向傳播修改參數(shù)。BP神經(jīng)網(wǎng)絡(luò)的主要架構(gòu)包括輸入層、隱藏層和輸出層。不同層的神經(jīng)元之間相互連接，但處于同一層的神經(jīng)元之間沒有連接。在每一層的神經(jīng)元接收到上一層神經(jīng)元的輸入后，處理過后只將結(jié)果輸出到下一層，并不對上一層進行反饋。BP神經(jīng)網(wǎng)絡(luò)處理問題時具有正向傳播和反向傳播2個過程。正向傳播是由輸入層輸入信息，依次進入隱含層和輸出層。若輸出結(jié)果正確，則不進入此反向傳播過程；否則，以計算誤差為基準進入輸出層、隱含層和輸入層的反向傳播過程。

BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用十分廣泛，尤其是在經(jīng)濟預(yù)測領(lǐng)域的相關(guān)研究眾多[6-7]。近年來，BP神經(jīng)網(wǎng)絡(luò)算法也被應(yīng)用到了體育成績測試中，例如王宗平和孫光[8]利用BP神經(jīng)網(wǎng)絡(luò)算法對1990-1997年間200 m男子仰泳的全國記錄進行預(yù)測，并于實際結(jié)果進行了對比，預(yù)測結(jié)果較為準確。本文也將BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到了體育成績測試方面，并以3 000 m長跑為例進行實例研究。

1 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建

本文所設(shè)計的BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)的算法流程如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)算法流程圖

φ(x)為系統(tǒng)的激活函數(shù)，本文采用sigmoid函數(shù)，即

(1)

輸入層輸入的向量為[0,1]范圍內(nèi)的值。

在給定了初始參數(shù)后，在輸入層輸入輸入向量和目標輸出向量，并對其進行標準化。標準化的目的是對輸入向量進行去誤差函數(shù)或去對數(shù)，方法如式(2)。

(2)

2μ+ν=1

然后將標準化的輸入向量依次輸入到隱含層。輸出結(jié)果和標準結(jié)果進行對比，若輸出結(jié)果與標準結(jié)果相同，則計算結(jié)束；若不同，則進行隱含層誤差的計算，進行反向傳播過程，修改權(quán)值。然后再接受下一個輸入。

2 關(guān)鍵技術(shù)的實現(xiàn)

本文采納的BP神經(jīng)網(wǎng)絡(luò)是基于MATLAB構(gòu)建的，主要包括模型設(shè)計、訓(xùn)練和仿真3個部分，分別對應(yīng)的函數(shù)為前反饋網(wǎng)絡(luò)創(chuàng)建函數(shù)newff、訓(xùn)練函數(shù)train和仿真函數(shù)sim。本BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的代碼如下，

net=newff(x,y,[31,31,2],{'tansig','tansig','purelin'},'traingdx');

%神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)

……

net.train Param.show=10;

net.train Param.epochs=50 000;

net.train Param.goal=0.65*10^(-11);

net.train Param.lr=0.001;

……

%神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù)

……

net=train(net,x,y);%訓(xùn)練函數(shù)

……

predresult=sim(net,x)

……

其中，前網(wǎng)絡(luò)反饋函數(shù)newff定義了輸入數(shù)據(jù)為x，newff輸出函數(shù)為y，隱含層和輸出層函數(shù)均為tansig函數(shù)，訓(xùn)練函數(shù)為pureline函數(shù)，驗證數(shù)據(jù)劃分函數(shù)為traingdx，其3個設(shè)置參數(shù)為31、31、2；利用訓(xùn)練函數(shù)對訓(xùn)練過程參數(shù)進行了定義，訓(xùn)練時間間隔，最大訓(xùn)練次數(shù)，目標誤差和學(xué)習(xí)速率分別為10，50 000，0.65×10-11和0.001；預(yù)測函數(shù)sim定義了輸入到網(wǎng)絡(luò)的矩陣x和輸出矩陣y。其中，x為K×N，y為Q×N，N為數(shù)據(jù)樣本個數(shù)，K和Q分別為輸入個數(shù)和輸出個數(shù)。

3 運動員身體狀況與成績的關(guān)系

運動員的表現(xiàn)由其身體綜合狀況決定的，在實際研究中很難對其某一項健康指標對其成績的影響進行研究。本文利用所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)對運動員身體素質(zhì)單一指標與其3 000 m長跑的成績之間的關(guān)系進行了研究。首先研究了其晨脈與成績之間的關(guān)系，如圖2所示。在15天的數(shù)據(jù)樣本內(nèi)，運動員的晨脈若較為穩(wěn)定，則其3 000 m長跑的成績也較為穩(wěn)定，甚至有逐漸提升的趨勢；但若其晨脈處于不穩(wěn)定期間，晨脈每分鐘跳動次數(shù)增加，會導(dǎo)致運動員的成績不穩(wěn)定，甚至出現(xiàn)明顯下降的現(xiàn)象。分析其原因，可能是由于運動員前一天的運動量過大，導(dǎo)致其晨脈出現(xiàn)了不穩(wěn)定的情況，進一步導(dǎo)致了其在之后的訓(xùn)練中體力和身體狀態(tài)未處于完美狀態(tài)，所以在之后的訓(xùn)練中成績下降較為明顯。

圖2 運動員晨脈與成績的關(guān)系

本文利用所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)對運動員血壓與其3 000 m長跑的成績之間的關(guān)系進行了研究，如圖3所示。在15天的數(shù)據(jù)樣本內(nèi)，運動員的血壓與其成績之間的關(guān)系較為密切。測試結(jié)果表明，當運動員的收縮壓和舒張壓都處于較低狀態(tài)時，相應(yīng)的成績則較差，則需要對運動員的訓(xùn)練計劃進行調(diào)整，使其血壓恢復(fù)到正常狀態(tài)；相對來說，若收縮壓相對較高，舒張壓較低時，運動員的長跑成績則較好。運動員的血壓狀態(tài)處于臨界值時，其身體狀態(tài)一般處于最佳狀態(tài)，此時所取得的體育成績也一般為最佳成績。

圖3 運動員血壓與成績的關(guān)系

本文利用所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)對運動員血氧含量與其3 000 m長跑的成績之間的關(guān)系進行了研究，如圖4所示。在15天的數(shù)據(jù)樣本內(nèi)，運動員的血氧含量與其成績之間的關(guān)系也較為密切。測試結(jié)果表明，當運動員的血氧含量處于較為穩(wěn)定的狀態(tài)下時，如第1-5天內(nèi)，運動的成績則出現(xiàn)逐漸提高的趨勢；而血氧含量出現(xiàn)了波動后，運動的成績則相應(yīng)出現(xiàn)滯后性的相同波動趨勢。當前一天運動員的血氧含量提高，則次日其3 000 m長跑成績也相應(yīng)提高；若前一天運動員的血氧含量降低，則次日其3 000 m長跑的成績也相應(yīng)降低。

圖4 運動員體重與成績的關(guān)系

4 運動員成績的預(yù)測研究

為了驗證本BP神經(jīng)網(wǎng)絡(luò)模型對運動員體育成績測試的準確性，本文以5名運動員為樣本，將其身體各項指標作為輸入向量，對他們的成績進行預(yù)測，預(yù)測結(jié)果如表1所示。實驗結(jié)果表明，利用本文所建立的BP神經(jīng)網(wǎng)絡(luò)模型對運動員體育成績的仿真結(jié)果較為準確。在5次實驗中，4次實驗的誤差值小于0.2 min，最大誤差為0.4 min，最小誤差為0.1 min，平均誤差僅為0.18 min。也就是說，所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型在運動員體育成績預(yù)測中準確度較高。從而上文所得到的運動員晨脈、血壓和血氧含量對其3 000 m長跑的影響結(jié)論也具有較高的準確度和可信度。

表1 體育成績預(yù)測結(jié)果

5 總結(jié)

本文建立一種BP神經(jīng)網(wǎng)絡(luò)模型，并對其計算流程和計算代碼進行了介紹。將該神經(jīng)網(wǎng)絡(luò)模型運用到運動員3 000 m長跑成績測試中發(fā)現(xiàn)，該模型對運動員成績的仿真結(jié)果具有較高的準確性。通過對單一健康指標與體育成績之間關(guān)系的研究發(fā)現(xiàn)，運動員的晨脈、血壓和血氧飽和度均對其3 000 m長跑成績有所影響，當晨脈處于較為穩(wěn)定狀態(tài)、血壓處于臨界狀態(tài)、血氧飽和度處于較為穩(wěn)定狀態(tài)下時，運動員的身體狀態(tài)較好，相應(yīng)的3 000 m長跑成績也較為穩(wěn)定，且出現(xiàn)持續(xù)提高的趨勢。