譚詳列

(廣東工商職業(yè)技術(shù)大學(xué) 體育學(xué)院，廣東 肇慶 524020)

經(jīng)濟(jì)社會(huì)的不斷發(fā)展，推動(dòng)著高校體育教學(xué)的改革，大學(xué)生作為全民健身的主體，越來越多的大學(xué)生積極投身于體育鍛煉.負(fù)重力量訓(xùn)練在一些發(fā)達(dá)國家較為流行，國內(nèi)對負(fù)重力量訓(xùn)練的相關(guān)研究較少[1].負(fù)重力量訓(xùn)練對運(yùn)動(dòng)員成績的影響不容小視.合理利用體育負(fù)重力量訓(xùn)練數(shù)據(jù)資源，獲取有價(jià)值的負(fù)重力量訓(xùn)練模式信息，掌握大學(xué)生體育訓(xùn)練成績和分布，日益成為高校體育部門和教育部門的迫切需求和體育教學(xué)管理信息化的重點(diǎn).

國內(nèi)許多學(xué)者對數(shù)據(jù)建模方法進(jìn)行了大量研究，并取得了很多研究成果，例如文獻(xiàn)[2]提出基于主成分分析的數(shù)據(jù)建模方法.采用主成分分析方法對原始建模數(shù)據(jù)進(jìn)行預(yù)處理，去除冗余干擾數(shù)據(jù)，對剩余數(shù)據(jù)提取主成分，代替原始建模數(shù)據(jù)構(gòu)建回歸預(yù)測模型.主成分分析方法屬于線性降維方法，采用該方法構(gòu)建訓(xùn)練數(shù)據(jù)模型存在局限性，難以處理具有強(qiáng)烈非線性的負(fù)重力量訓(xùn)練數(shù)據(jù)，對于高維樣本的建模準(zhǔn)確度較低.文獻(xiàn)[3]提出基于支持向量機(jī)的數(shù)據(jù)建模方法.采用小波技術(shù)識別訓(xùn)練模式切換點(diǎn)，并在不同訓(xùn)練模式下單獨(dú)構(gòu)建支持向量機(jī)負(fù)重力量訓(xùn)練數(shù)據(jù)模型.支持向量機(jī)方法適用于海量數(shù)據(jù)樣本的處理，而獲得用于建模的訓(xùn)練數(shù)據(jù)需要大量的時(shí)間，且訓(xùn)練數(shù)據(jù)多影響變量也會(huì)造成時(shí)間開銷過大.

針對上述問題，提出一種基于云計(jì)算的體育負(fù)重力量訓(xùn)練數(shù)據(jù)建模方法.科學(xué)評價(jià)負(fù)重訓(xùn)練模式對運(yùn)動(dòng)員身體機(jī)能的影響，準(zhǔn)確評估運(yùn)動(dòng)員的體能狀況，將評估結(jié)果輸入到極限學(xué)習(xí)機(jī)中構(gòu)建體育負(fù)重力量訓(xùn)練數(shù)據(jù)模型.將所提方法應(yīng)用到大學(xué)生負(fù)重力量訓(xùn)練生理生化指標(biāo)變化預(yù)測中，結(jié)果表明所提方法能夠有效提高高維負(fù)重力量訓(xùn)練樣本的建模準(zhǔn)確度，對大學(xué)生專項(xiàng)力量訓(xùn)練提供理論指導(dǎo).

1 高校體育負(fù)重力量訓(xùn)練數(shù)據(jù)建模方法

1.1 模型篩選與構(gòu)成

選取與運(yùn)動(dòng)員體能狀態(tài)最相關(guān)的身體機(jī)能和力量素質(zhì)指標(biāo)，運(yùn)用肌電采集系統(tǒng)、三維人體掃描系統(tǒng)以及DXA等實(shí)地測試運(yùn)動(dòng)員在訓(xùn)練周期內(nèi)采取負(fù)重力量訓(xùn)練模式的相關(guān)數(shù)據(jù)，對受試者運(yùn)動(dòng)能力進(jìn)行分析，確定受試者身體機(jī)能變化影響因素，并以此為基礎(chǔ)對建模數(shù)據(jù)進(jìn)行篩選，具體過程如下所述：

假設(shè)，Xn×m和Yn×k分別表示肌電采集系統(tǒng)、三維人體掃描系統(tǒng)以及DXA等實(shí)地測試運(yùn)動(dòng)員[4]在負(fù)重訓(xùn)練周期內(nèi)體能變化數(shù)據(jù)標(biāo)準(zhǔn)化處理后的自變量和因變量，n表示體能變化數(shù)據(jù)樣本數(shù)量，m、k分別表示變量數(shù)量，將Xh和Yh分別投影至主成分th和uh上，A表示樣本數(shù)據(jù)的主成分?jǐn)?shù)量，在th和uh之間構(gòu)建回歸方程：

uh=bhth+eh

(1)

式(1)中，eh為誤差向量，bh表示模型參數(shù).

測試樣本數(shù)據(jù)的主成分可利用th=Xhwh、uh=Yhch獲得，wh和qh表示可使樣本數(shù)據(jù)的主成分th和uh之間關(guān)聯(lián)程度可達(dá)到最大時(shí)的權(quán)重系數(shù)：

(2)

(3)

式(2)、(3)中，Xh+1、Yh+1分別表示受試者體能變化標(biāo)準(zhǔn)化處理后的自變量和因變量.

根據(jù)實(shí)地測試獲得的體能變化數(shù)據(jù)，結(jié)合權(quán)重系數(shù)對運(yùn)動(dòng)員運(yùn)動(dòng)能力進(jìn)行分析：

(4)

式(4)中，ch表示運(yùn)動(dòng)員脂肪百分?jǐn)?shù)，ξh表示運(yùn)動(dòng)員骨密度值，φθ表示運(yùn)動(dòng)員肌肉力量指標(biāo)變化值，M表示力量素質(zhì)指標(biāo)數(shù)量，j表示某一身體機(jī)能指標(biāo).

在偏最小二乘回歸[5]過程中，每個(gè)樣本數(shù)據(jù)主成分th和uh在迭代階段逐次被提取，計(jì)算提取后A的殘差，并對每步殘差進(jìn)行分析，直至依據(jù)某種準(zhǔn)則確定運(yùn)動(dòng)員身體機(jī)能變化的影響因素A：

(5)

式(5)中，μh表示生理生化指數(shù)，Pc表示運(yùn)動(dòng)員在負(fù)重訓(xùn)練周期內(nèi)心肺機(jī)能變化指數(shù)，ιh表示運(yùn)動(dòng)員專項(xiàng)能力.

(6)

式(6)反映了選擇h個(gè)主成分時(shí)模型的預(yù)報(bào)能力，可選擇合適的h使最小二乘回歸模型預(yù)報(bào)能力達(dá)到最優(yōu).

采用相關(guān)性分析方法提取運(yùn)動(dòng)員在負(fù)重訓(xùn)練周期內(nèi)，體能變化數(shù)據(jù)各主成分th進(jìn)行描述[6]，構(gòu)造對力量素質(zhì)造成直接影響的中間變量：

(7)

(8)

式(8)中，r2(Y,th)表示對力量素質(zhì)造成直接影響的不同變量之間的關(guān)聯(lián)系數(shù)，m表示自變量的平均重要度.

結(jié)合最小二乘回歸模型的優(yōu)勢，根據(jù)實(shí)地測試獲得的體能變化數(shù)據(jù)，對運(yùn)動(dòng)員運(yùn)動(dòng)能力進(jìn)行分析，確定運(yùn)動(dòng)員身體機(jī)能變化的影響因素，以此為基礎(chǔ)可實(shí)現(xiàn)對受試者負(fù)重力量訓(xùn)練數(shù)據(jù)的定量和定性分析，為體育負(fù)重力量訓(xùn)練數(shù)據(jù)充分利用提供有價(jià)值的數(shù)據(jù)建模分析工具.

1.2 根據(jù)生理生化指標(biāo)評價(jià)負(fù)重訓(xùn)練對機(jī)能的影響

通過生化監(jiān)測系統(tǒng)，追蹤運(yùn)動(dòng)員在負(fù)重訓(xùn)練周期內(nèi)生理生化指標(biāo)的變化情況，科學(xué)評價(jià)負(fù)重訓(xùn)練模式對運(yùn)動(dòng)員身體機(jī)能的影響，從訓(xùn)練效果評估需求出發(fā)，構(gòu)建體育負(fù)重力量訓(xùn)練數(shù)據(jù)模型.具體過程如下所述：

假設(shè)，n′表示不同負(fù)重力量訓(xùn)練模式，δ(f)表示不同的訓(xùn)練模式對運(yùn)動(dòng)員身體機(jī)能的影響程度，通過生化監(jiān)測系統(tǒng)[7]，追蹤運(yùn)動(dòng)員在負(fù)重訓(xùn)練周期內(nèi)運(yùn)動(dòng)員骨密度、肌肉力量各項(xiàng)指標(biāo)的變化情況：

(9)

式(9)中，uc表示運(yùn)動(dòng)員在負(fù)重力量訓(xùn)練前后的體成分變化情況，kh表示運(yùn)動(dòng)員各關(guān)節(jié)的控制能力，px表示受試運(yùn)動(dòng)員各關(guān)節(jié)的最大力量值.

利用運(yùn)動(dòng)心肺功能測試系統(tǒng)[8]測試運(yùn)動(dòng)員在負(fù)重力量訓(xùn)練周期T內(nèi)最大攝氧量λh及最高心率sh：

(10)

(11)

式(10)、(11)中，T表示負(fù)重力量訓(xùn)練周期，fT表示負(fù)重力量訓(xùn)練前后運(yùn)動(dòng)員血睪酮水平上升幅度值，χn′表示運(yùn)動(dòng)員皮質(zhì)醇水平下降幅度值，νT/C表示受試者T/C變化值[9].σk表示運(yùn)動(dòng)員負(fù)重力量訓(xùn)練前后分解代謝水平，ε表示運(yùn)動(dòng)員訓(xùn)練前后靜態(tài)血尿素水平，Sa(T)表示運(yùn)動(dòng)員全身脂肪含量.

根據(jù)運(yùn)動(dòng)員在負(fù)重力量訓(xùn)練周期T內(nèi)生理生化指標(biāo)的變化情況，科學(xué)評價(jià)負(fù)重訓(xùn)練模式對運(yùn)動(dòng)員身體機(jī)能的影響：

(12)

式(12)中，Ra表示運(yùn)動(dòng)員負(fù)重力量訓(xùn)練結(jié)束后的紅細(xì)胞數(shù)量，hb表示運(yùn)動(dòng)員機(jī)體血紅蛋白濃度.

從訓(xùn)練效果評估需求出發(fā)，將評估結(jié)果輸入到極限學(xué)習(xí)機(jī)中構(gòu)建體育負(fù)重力量訓(xùn)練數(shù)據(jù)模型[10]：

(13)

運(yùn)用極限學(xué)習(xí)機(jī)對負(fù)重力量訓(xùn)練數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，為構(gòu)建負(fù)重力量訓(xùn)練模型提供數(shù)據(jù)支持.

2 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證所提基于云計(jì)算的高校體育負(fù)重力量訓(xùn)練數(shù)據(jù)建模分析方法的綜合有效性，需要進(jìn)行實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)環(huán)境為Matlab R2012b，CPU intel Pentium(R)Dual-Core E5300 2.6GHz，內(nèi)存2G，Windows7操作系統(tǒng).整個(gè)測試階段安排在運(yùn)動(dòng)員備賽期初始階段，訓(xùn)練周期為5周.

原始樣本數(shù)據(jù)選取某高校體育系提供的學(xué)生維持5周的負(fù)重力量訓(xùn)練數(shù)據(jù)，對比不同建模方法的時(shí)間開銷(ms)，對比結(jié)果如圖1所示.

圖1 不同方法的時(shí)間開銷

由圖1可知，隨著負(fù)重力量訓(xùn)練數(shù)據(jù)的不斷增加，3種方法相應(yīng)的時(shí)間開銷逐漸增加，如負(fù)重力量訓(xùn)練數(shù)據(jù)為250 Mb時(shí)，所提方法的時(shí)間開銷約為7 s左右，文獻(xiàn)[2]提出基于主成分分析的數(shù)據(jù)建模方法相應(yīng)的時(shí)間開銷約為29 s左右，文獻(xiàn)[3]提出基于支持向量機(jī)的數(shù)據(jù)建模方法相應(yīng)的時(shí)間開銷約為37 s左右；當(dāng)負(fù)重訓(xùn)練數(shù)據(jù)增加到400 Mb時(shí)，所提方法的時(shí)間開銷約為9 s左右，而基于主成分分析的數(shù)據(jù)建模方法相應(yīng)的時(shí)間開銷約為23 s左右，基于支持向量機(jī)的數(shù)據(jù)建模方法相應(yīng)的時(shí)間開銷約為38 s左右；從整體來看，所提方法進(jìn)行體育負(fù)重力量訓(xùn)練數(shù)據(jù)建模和數(shù)據(jù)分析時(shí)間開銷較小，說明所提方法數(shù)據(jù)分析實(shí)時(shí)性較高.

圖2為所提方法、文獻(xiàn)[2]提出的基于主成分分析的數(shù)據(jù)建模方法以及文獻(xiàn)[3]提出的基于支持向量機(jī)的數(shù)據(jù)建模方法預(yù)測結(jié)果對比圖.

由圖2可知，多種方法的預(yù)測結(jié)果接近實(shí)際值，而文獻(xiàn)[2]方法和文獻(xiàn)[3]方法的預(yù)測結(jié)果離實(shí)際值較遠(yuǎn).為了更好地評價(jià)不同建模方法的性能，分別采用預(yù)測均方誤差(RMSE)和命中率(HR)對模型精度進(jìn)行分析，表1給出不同建模方法具體性能指標(biāo).

表1 不同建模方法性能指標(biāo)對比表

分析圖2和表1結(jié)果可知，在多組測試樣本中，所提基于云計(jì)算的數(shù)據(jù)建模方法與文獻(xiàn)[2]提出的基于主成分分析的數(shù)據(jù)建模方法以及文獻(xiàn)[3]提出的基于支持向量機(jī)的數(shù)據(jù)建模方法相比，均方誤差為最低，僅為0.22，明顯低于文獻(xiàn)[3]提出的基于支持向量機(jī)的數(shù)據(jù)建模方法的0.45，以及文獻(xiàn)[2]提出基于主成分分析的數(shù)據(jù)建模方法的0.36.同時(shí)將所提方法應(yīng)用到大學(xué)生負(fù)重力量訓(xùn)練生理生化指標(biāo)變化預(yù)測中，血紅蛋白濃度預(yù)測命中率最高，可達(dá)95%，而文獻(xiàn)[3]提出的基于支持向量機(jī)的數(shù)據(jù)建模方法的命中率僅為88%，文獻(xiàn)[2]提出的基于主成分分析的數(shù)據(jù)建模方法的命中率為90%.基于主成分分析的數(shù)據(jù)建模方法的性能相比基于支持向量機(jī)的數(shù)據(jù)建模方法有所提高，但其與所提建模方法還存在一定的差距.以上結(jié)果再次證明了所提基于云計(jì)算的數(shù)據(jù)建模方法在處理多變量、非線性的體育負(fù)重力量訓(xùn)練數(shù)據(jù)的優(yōu)勢，顯示出較好的擬合能力.

3 結(jié) 論

針對傳統(tǒng)的數(shù)據(jù)建模方法，難以描述負(fù)重訓(xùn)練模式對受試者身體機(jī)能的影響，存在時(shí)間開銷大、預(yù)測精度低等問題，提出一種基于云計(jì)算的高校體育負(fù)重力量訓(xùn)練數(shù)據(jù)建模方法.仿真實(shí)驗(yàn)結(jié)果表明，采用所提方法進(jìn)行體育負(fù)重力量訓(xùn)練數(shù)據(jù)分析的實(shí)時(shí)性較好，對于負(fù)重力量訓(xùn)練階段受試者血紅蛋白濃度預(yù)測具有較高的精度，可為體育負(fù)重力量訓(xùn)練提供相關(guān)的理論依據(jù).