謝 鈞, 王樂(lè)軍, 龔銘新, 王鈺婷, 鄒凝祥, 邵企能, 盧天鳳

(1.上海體操運(yùn)動(dòng)中心,上海 202162; 2.同濟(jì)大學(xué),上海 200092; 3.上海體育科學(xué)研究所,上海 200030)

在我國(guó),技巧運(yùn)動(dòng)從 1956年起成為一項(xiàng)獨(dú)立的體育競(jìng)賽項(xiàng)目。1979年,國(guó)際技巧聯(lián)合會(huì)吸收中國(guó)技巧協(xié)會(huì)為其正式成員。技巧單跳是觀賞性較強(qiáng)、技術(shù)含量高、難度大的項(xiàng)目,屬于技巧類表現(xiàn)難美性運(yùn)動(dòng)項(xiàng)目,對(duì)運(yùn)動(dòng)員的心理素質(zhì)、空間感覺(jué)、力量、柔韌、靈敏、協(xié)調(diào)和節(jié)奏感等諸多能力素質(zhì)都有非常高的要求。運(yùn)動(dòng)員必須進(jìn)行專門化的訓(xùn)練，才能掌握復(fù)雜的單跳技術(shù)和具備適應(yīng)該項(xiàng)目的身體素質(zhì)[1]。因此,只有通過(guò)科學(xué)合理的運(yùn)動(dòng)訓(xùn)練,運(yùn)動(dòng)員才能培養(yǎng)出良好的單跳競(jìng)技能力,進(jìn)而取得優(yōu)異的成績(jī)。

競(jìng)技能力指運(yùn)動(dòng)員的參賽能力,由具有不同表現(xiàn)形式和作用的體能、技能、戰(zhàn)術(shù)能力、運(yùn)動(dòng)智能和心理能力所構(gòu)成,并綜合地表現(xiàn)于專項(xiàng)競(jìng)技過(guò)程中[2]。競(jìng)技能力是運(yùn)動(dòng)員比賽成績(jī)的最重要決定因素。運(yùn)動(dòng)員競(jìng)技能力不同要素之間存在著非常復(fù)雜的聯(lián)系,且各組成要素普遍存在發(fā)展不均衡等問(wèn)題[2-5],因此,構(gòu)建不同項(xiàng)目個(gè)體化的競(jìng)技能力結(jié)構(gòu)模型,對(duì)指導(dǎo)運(yùn)動(dòng)員進(jìn)行針對(duì)性訓(xùn)練意義重大。

查閱國(guó)內(nèi)外文獻(xiàn)資料,尚未發(fā)現(xiàn)對(duì)單跳項(xiàng)目運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)進(jìn)行評(píng)價(jià)的相關(guān)報(bào)道。依據(jù)上海體操運(yùn)動(dòng)中心單跳項(xiàng)目跟隊(duì)實(shí)踐及與部分省市單跳教練員、運(yùn)動(dòng)員的交流發(fā)現(xiàn),目前國(guó)家隊(duì)和各省市單跳隊(duì)在運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)方面缺乏科學(xué)有效的方法,單跳訓(xùn)練仍采用以成套動(dòng)作練習(xí)為主的較為單一的訓(xùn)練模式,未能針對(duì)單跳運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)的具體特點(diǎn)進(jìn)行個(gè)性化和針對(duì)性的訓(xùn)練。已有研究人員基于人工智能建模方法對(duì)射擊[6]、網(wǎng)球[7]項(xiàng)目運(yùn)動(dòng)員的競(jìng)技能力結(jié)構(gòu)進(jìn)行了探索應(yīng)用,取得了較好的效果。

本文擬對(duì)單跳運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)進(jìn)行分析,通過(guò)構(gòu)建基于人工智能的單跳運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型,對(duì)單跳運(yùn)動(dòng)員的競(jìng)技能力結(jié)構(gòu)進(jìn)行個(gè)性化的評(píng)價(jià)與分析,并給出針對(duì)性的訓(xùn)練方法,對(duì)運(yùn)動(dòng)員賽前狀態(tài)調(diào)整、運(yùn)動(dòng)員選材等都具有重要的指導(dǎo)意義。

1 研究對(duì)象與方法

1.1 研究對(duì)象

以上海市一線和二線單跳運(yùn)動(dòng)員吳毓彪、高華帥、吳澤峰、王勁凱、呂沁霖、王瑄、陳泓靜等為研究對(duì)象。

1.2 研究方法

1.2.1 專家訪談法

對(duì)上海市單跳項(xiàng)目教練員、上海體育科學(xué)研究所科研人員、上海體育學(xué)院和同濟(jì)大學(xué)等高校運(yùn)動(dòng)訓(xùn)練專家進(jìn)行訪談,獲取單跳運(yùn)動(dòng)員競(jìng)技能力評(píng)價(jià)初選指標(biāo)體系。

1.2.2 測(cè)驗(yàn)法

采用測(cè)驗(yàn)法對(duì)上海市單跳運(yùn)動(dòng)員的身體形態(tài)、身體素質(zhì)、專項(xiàng)體能、專項(xiàng)技術(shù)、心理素質(zhì)等能力指標(biāo)進(jìn)行測(cè)試,獲取相關(guān)測(cè)試結(jié)果。

1.2.3 數(shù)理統(tǒng)計(jì)法

采用因子分析法對(duì)初選指標(biāo)進(jìn)行篩選,因子提取方法選擇主成分法,因子提取標(biāo)準(zhǔn)為:特征值>1。基于因子分析中各指標(biāo)在各公因子上的載荷值,確定各公因子代表性指標(biāo),最終完成對(duì)初選指標(biāo)的篩選。采用線性回歸分析法對(duì)相關(guān)變量間的數(shù)量關(guān)系進(jìn)行分析。

1.2.4 人工神經(jīng)網(wǎng)絡(luò)建模法

在確定單跳運(yùn)動(dòng)員競(jìng)技能力評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上,以評(píng)價(jià)指標(biāo)為輸入量、運(yùn)動(dòng)總成績(jī)?yōu)檩敵隽?構(gòu)建不同中間層神經(jīng)元節(jié)點(diǎn)數(shù)的人工神經(jīng)網(wǎng)絡(luò)模型,并以日常訓(xùn)練中所測(cè)試的樣本數(shù)據(jù)為訓(xùn)練樣本,對(duì)所構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)與訓(xùn)練,以此確定模型中不同節(jié)點(diǎn)之間的非線性函數(shù)關(guān)系。每次學(xué)習(xí)訓(xùn)練完成后,對(duì)不同模型的計(jì)算值與實(shí)際值進(jìn)行對(duì)比,以預(yù)測(cè)精度最高的模型作為最終建立的最優(yōu)模型。

本研究采用的神經(jīng)網(wǎng)絡(luò)為Elman人工神經(jīng)網(wǎng)絡(luò),由3層組成,分別為輸入層、隱層和輸出層。除普通的隱層外,Elman神經(jīng)網(wǎng)絡(luò)還有一個(gè)特別的隱層,稱為狀態(tài)層,該層從普通隱層接收反饋信號(hào)。

以單跳運(yùn)動(dòng)員各競(jìng)技能力指標(biāo)測(cè)試值作為人工神經(jīng)網(wǎng)絡(luò)的輸入值,以運(yùn)動(dòng)成績(jī)作為人工神經(jīng)網(wǎng)絡(luò)的輸出值。以上海市單跳運(yùn)動(dòng)員的比賽和訓(xùn)練數(shù)據(jù)作為學(xué)習(xí)樣本進(jìn)行訓(xùn)練,以另外5組數(shù)據(jù)作為預(yù)測(cè)樣本輸入到已經(jīng)訓(xùn)練過(guò)的Elman神經(jīng)網(wǎng)絡(luò)中完成識(shí)別,并將輸出結(jié)果與樣本實(shí)際值進(jìn)行比較。

采用動(dòng)態(tài)反向傳播學(xué)習(xí)算法,即梯度下降法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,目標(biāo)是通過(guò)對(duì)網(wǎng)絡(luò)各層權(quán)值的調(diào)節(jié),使樣本輸出與辨識(shí)輸出的均方差達(dá)到最小。

2 結(jié)果與分析

2.1 單跳運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)初選指標(biāo)

從單跳項(xiàng)目對(duì)人體運(yùn)動(dòng)能力的要求出發(fā),在查閱大量國(guó)內(nèi)外文獻(xiàn)的基礎(chǔ)上,通過(guò)與上海市單跳教練員、運(yùn)動(dòng)員訪談,制定單跳運(yùn)動(dòng)員競(jìng)技能力評(píng)價(jià)初選指標(biāo)體系,其一級(jí)指標(biāo)包括身體形態(tài)、身體素質(zhì)、專項(xiàng)技術(shù)、心理素質(zhì)4個(gè)方面。在一級(jí)指標(biāo)基礎(chǔ)上,分別列出二級(jí)指標(biāo),如表1所示。

表1 單跳運(yùn)動(dòng)員競(jìng)技能力評(píng)價(jià)初選指標(biāo)

2.2 單跳運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)指標(biāo)體系構(gòu)建

對(duì)上海體操運(yùn)動(dòng)管理中心7名單跳運(yùn)動(dòng)員的上述指標(biāo)進(jìn)行測(cè)試,獲得各指標(biāo)數(shù)值。測(cè)試共進(jìn)行2次,2次時(shí)間間隔5個(gè)月以上。分別對(duì)測(cè)試運(yùn)動(dòng)員的身體形態(tài)、身體素質(zhì)和專項(xiàng)技術(shù)初選指標(biāo)進(jìn)行因子分析。各因子的納入標(biāo)準(zhǔn)為:特征根>1。

統(tǒng)計(jì)顯示,單跳運(yùn)動(dòng)員身體形態(tài)測(cè)試指標(biāo)可分為身體長(zhǎng)度圍度因子和身材比例因子。其中,身體長(zhǎng)度圍度因子的代表性指標(biāo)為體重,其他指標(biāo)包括身高、BMI、腿長(zhǎng)。身材比例因子的代表性指標(biāo)為腿長(zhǎng)身高比。

統(tǒng)計(jì)顯示,單跳運(yùn)動(dòng)員身體素質(zhì)測(cè)試指標(biāo)因子包括爆發(fā)力因子、力量因子和靈敏柔韌因子。爆發(fā)力因子的代表性指標(biāo)為立定跳遠(yuǎn),此外還包括縱跳高度、立臥撐、30 m跑3個(gè)指標(biāo)。力量因子包括30 s背肌測(cè)驗(yàn)、負(fù)重起踵次數(shù)和最大負(fù)重起踵重量3個(gè)指標(biāo),代表性指標(biāo)為30 s背肌測(cè)驗(yàn)和負(fù)重起踵次數(shù)。靈敏柔韌因子包括坐位體前屈和30 s仰臥兩頭起2個(gè)指標(biāo),代表性指標(biāo)為坐位體前屈。

統(tǒng)計(jì)可知,單跳運(yùn)動(dòng)員專項(xiàng)技術(shù)測(cè)試指標(biāo)因子包括動(dòng)作高度因子、動(dòng)作速度因子、專項(xiàng)技術(shù)因子、技術(shù)穩(wěn)定性因子。動(dòng)作高度因子包括原地空翻拔高、10次小翻的重心高度、5次快速空翻的重心高度3個(gè)指標(biāo),代表性指標(biāo)為原地空翻拔高。動(dòng)作速度因子包括離地速度、落地速度、10次小翻的連接時(shí)間、5次快速空翻的連接時(shí)間,代表性指標(biāo)為離地速度。專項(xiàng)技術(shù)因子包括離地角度和落地角度2個(gè)指標(biāo),代表性指標(biāo)為離地角度。技術(shù)穩(wěn)定性因子包括5次快速空翻的水平高度波動(dòng)和10次小翻的高度波動(dòng),代表性指標(biāo)為5次快速空翻的水平高度波動(dòng)。

經(jīng)過(guò)因子分析,獲得單跳運(yùn)動(dòng)員競(jìng)技能力評(píng)價(jià)指標(biāo)體系(表2),以及單跳運(yùn)動(dòng)員競(jìng)技能力評(píng)價(jià)指標(biāo)測(cè)試數(shù)值(表3)。

表2 因子分析后獲得的單跳運(yùn)動(dòng)員競(jìng)技能力評(píng)價(jià)指標(biāo)體系

表3 男女單跳運(yùn)動(dòng)員競(jìng)技能力評(píng)價(jià)指標(biāo)測(cè)試結(jié)果

2.3 單跳運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型

2.3.1 線性回歸模型建模及評(píng)價(jià)

在確定單跳運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)指標(biāo)體系的基礎(chǔ)上,以競(jìng)技能力結(jié)構(gòu)各指標(biāo)為自變量、總分為因變量進(jìn)行逐步回歸分析,獲得各指標(biāo)系數(shù)如表4所示。

表4 基于線性回歸分析的各指標(biāo)系數(shù)

最終確立的線性逐步回歸模型為:運(yùn)動(dòng)成績(jī)=0.512×原地空翻拔高+0.087×腿長(zhǎng)身高比+1.370×離地速度-0.836×離地角度-94.915×5次快速高度波動(dòng)-0.310×特質(zhì)焦慮+18.905。

因標(biāo)準(zhǔn)化回歸系數(shù)為各指標(biāo)原始數(shù)據(jù)標(biāo)準(zhǔn)化后建立的方程,其系數(shù)的絕對(duì)值反映該指標(biāo)對(duì)因變量影響的大小。因此,從標(biāo)準(zhǔn)化回歸系數(shù)看,對(duì)成績(jī)影響最大的是離地速度,其次為離地角度和原地空翻拔高。此外,5次快速空翻的水平高度波動(dòng)、特質(zhì)焦慮等對(duì)成績(jī)的影響也非常顯著。

為檢驗(yàn)所構(gòu)建模型的預(yù)測(cè)精度,以上海市單跳運(yùn)動(dòng)員日常訓(xùn)練和比賽中的數(shù)據(jù)作為樣本,計(jì)算上述競(jìng)技能力結(jié)構(gòu)指標(biāo),并帶入模型進(jìn)行計(jì)算,并將預(yù)測(cè)值與實(shí)際值進(jìn)行比較,發(fā)現(xiàn)模型預(yù)測(cè)精度保持在85.74%～95.56%。

2.3.2 人工神經(jīng)網(wǎng)絡(luò)模型建模及評(píng)價(jià)結(jié)果

人工神經(jīng)網(wǎng)絡(luò)的建模過(guò)程可以描述為:(1)確定模型輸入量和輸出量;(2)將所有數(shù)據(jù)進(jìn)行歸一化處理;(3)對(duì)人工神經(jīng)網(wǎng)絡(luò)模型參數(shù)進(jìn)行設(shè)置;(4)對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,在訓(xùn)練過(guò)程中根據(jù)正確結(jié)果對(duì)模型參數(shù)進(jìn)行動(dòng)態(tài)調(diào)整,待模型預(yù)測(cè)結(jié)果隨訓(xùn)練樣本數(shù)的增加而收斂至一定程度時(shí)結(jié)束訓(xùn)練;(5)采用所獲取模型對(duì)結(jié)果進(jìn)行預(yù)測(cè)及檢驗(yàn)。

從人工神經(jīng)網(wǎng)絡(luò)模型的特征、本文數(shù)據(jù)的具體特點(diǎn)及樣本數(shù)量等,結(jié)合前期研究基礎(chǔ),最終選擇前向型Elman神經(jīng)網(wǎng)絡(luò)作為本課題的神經(jīng)網(wǎng)絡(luò)建模模型。

Elman神經(jīng)網(wǎng)絡(luò)具有與前向網(wǎng)絡(luò)相似的多層結(jié)構(gòu)，其主要結(jié)構(gòu)是前饋連接,包括輸入層、 隱含層、 輸出層,其連接權(quán)可以進(jìn)行學(xué)習(xí)修正。反饋連接由一組“結(jié)構(gòu)” 單元構(gòu)成,用來(lái)記憶前一時(shí)刻的輸出值,其連接權(quán)值是固定的。在這種網(wǎng)絡(luò)中,除了普通的隱含層外,還有一個(gè)特別的隱含層,稱為關(guān)聯(lián)層 (或聯(lián)系單元層 )。該層從隱含層接收反饋信號(hào),每個(gè)隱含層節(jié)點(diǎn)都有一個(gè)與之對(duì)應(yīng)的關(guān)聯(lián)層節(jié)點(diǎn)連接。關(guān)聯(lián)層的作用是通過(guò)連接將上一個(gè)時(shí)刻的隱層狀態(tài)連同當(dāng)前時(shí)刻的網(wǎng)絡(luò)輸入一起作為隱層的輸入,相當(dāng)于狀態(tài)反饋。隱層的傳遞函數(shù)仍為某種非線性函數(shù),一般為 Sigmoid函數(shù),輸出層為線性函數(shù),關(guān)聯(lián)層也為線性函數(shù)。

為了避免在神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)模擬過(guò)程中數(shù)值發(fā)生溢出,必須對(duì)網(wǎng)絡(luò)輸入層和輸出層的各單元值進(jìn)行標(biāo)準(zhǔn)化處理,并使它們處于區(qū)間[0,1]或[- 1,1]中。本文采用的輸入?yún)?shù)的標(biāo)準(zhǔn)化方法為:

式中,xmax為該組變量的最大值,xmin為該組變量的最小值。

經(jīng)過(guò)網(wǎng)絡(luò)優(yōu)化過(guò)程后,Elman網(wǎng)絡(luò)隱藏和關(guān)聯(lián)層節(jié)點(diǎn)的個(gè)數(shù)為9,最終建立的最佳網(wǎng)絡(luò)模型如表5所示。

表5 人工神經(jīng)網(wǎng)絡(luò)模型參數(shù)一覽

為檢驗(yàn)所構(gòu)建模型的預(yù)測(cè)精度,以上海市單跳運(yùn)動(dòng)員日常訓(xùn)練和比賽中的數(shù)據(jù)作為樣本,將上述競(jìng)技能力結(jié)構(gòu)的11個(gè)指標(biāo)數(shù)據(jù)帶入模型進(jìn)行計(jì)算,將預(yù)測(cè)值與實(shí)際值進(jìn)行比較,得出模型預(yù)測(cè)精度保持在90.71%～97.19%。

2.3.3 神經(jīng)網(wǎng)絡(luò)模型與線性回歸模型的估計(jì)精度對(duì)比

為比較人工神經(jīng)網(wǎng)絡(luò)模型與線性回歸模型在預(yù)測(cè)精度方面的差異性,以上海市單跳運(yùn)動(dòng)員日常訓(xùn)練和比賽中5組預(yù)測(cè)樣本數(shù)據(jù)為依據(jù),計(jì)算預(yù)測(cè)值與時(shí)間值的相關(guān)系數(shù)、平均預(yù)測(cè)精度、最大預(yù)測(cè)精度、最小預(yù)測(cè)精度等指標(biāo)。發(fā)現(xiàn):人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)為0.925,具有顯著的相關(guān)關(guān)系。線性回歸模型的預(yù)測(cè)值和實(shí)際值的相關(guān)系數(shù)為0.666,不具有非常顯著的相關(guān)關(guān)系。在預(yù)測(cè)精度方面,人工神經(jīng)網(wǎng)絡(luò)模型也表現(xiàn)出優(yōu)于線性回歸模型的優(yōu)勢(shì),其預(yù)測(cè)精度在90.71%～97.19%,平均預(yù)測(cè)精度高達(dá)94.00%;而線性回歸模型的預(yù)測(cè)精度在85.74%～95.56%,平均預(yù)測(cè)精度為89.56%。

2.3.4 單跳運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型的應(yīng)用

運(yùn)用所構(gòu)建的單跳運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型,對(duì)上海市單跳運(yùn)動(dòng)員的競(jìng)技能力結(jié)構(gòu)指標(biāo)進(jìn)行測(cè)試,并將測(cè)試數(shù)據(jù)輸入競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型,對(duì)單跳運(yùn)動(dòng)員的總體競(jìng)技能力進(jìn)行評(píng)價(jià)，并預(yù)測(cè)運(yùn)動(dòng)員特定競(jìng)技能力提升對(duì)成績(jī)的影響,為運(yùn)動(dòng)員競(jìng)技能力的發(fā)展和科學(xué)化訓(xùn)練提供指導(dǎo)意見(jiàn),取得了較好的應(yīng)用效果。

3 小結(jié)

構(gòu)建單跳運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)指標(biāo)體系,建立基于人工神經(jīng)網(wǎng)絡(luò)的單跳運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型,測(cè)試發(fā)現(xiàn)模型具有較好的預(yù)測(cè)精度。在諸多競(jìng)技能力指標(biāo)中,對(duì)單跳運(yùn)動(dòng)員成績(jī)影響最大的是離地速度,其次為離地角度和原地空翻拔高。此外,5次快速高度波動(dòng)、特質(zhì)焦慮等對(duì)成績(jī)的影響也非常顯著。訓(xùn)練中可應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對(duì)運(yùn)動(dòng)員的競(jìng)技能力結(jié)構(gòu)進(jìn)行評(píng)價(jià),動(dòng)態(tài)獲知競(jìng)技能力結(jié)構(gòu)改變對(duì)運(yùn)動(dòng)成績(jī)的影響,為單跳運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)的綜合評(píng)價(jià)和針對(duì)性訓(xùn)練提供科學(xué)性的指導(dǎo)意見(jiàn)。