[發明專利]一種基于PCA-PNN的游泳運動員訓練負荷預測方法

有效

• 申請號: 202010327148.1
• 申請日: 2020-04-23
• 公開（公告）號: CN111672082B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 田磊;周近
• 申請（專利權）人: 江蘇第二師范學院（江蘇省教育科學研究院）
• 主分類號: A63B69/12
• 分類號: A63B69/12;G06N3/04;G06N3/08
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 蔣昱

一種基于PCA?PNN的游泳運動員訓練負荷預測方法，Step1：特征指標選取和數據庫構建；Step2：主成分分析構建PNN網絡輸入量；Step3：構建PNN游泳運動員訓練負荷預測模型。本發明提供一種基于PCA?PNN的游泳運動員訓練負荷預測方法，該方法通過研究運動員的訓練負荷影響融合特征，來構建游泳運動員訓練負荷預測模型，以評估一個游泳運動員的訓練安排。

技術領域

本發明屬于運動員訓練負荷預測方法領域，特別是涉及一種基于PCA-PNN的游泳運動員訓練負荷預測方法。

背景技術

在競技游泳運動中，運動員競技能力的發展，不僅取決于對運動員選材方法是否科學，更取決于多年訓練中的訓練方式、方法是否合理，運動負荷安排是否得當。訓練是運動員職業生涯中的重要日常內容，運動員通過合理的訓練可以提升自身的競技水平，但是訓練量過大會使運動員受傷，訓練量過小也不能達到訓練效果。同時如果對待不同狀態的運動員，采用相同的訓練方式和負荷安排，那么訓練將起不到應有的作用，甚至如果過量的話，會對技術造成損害，反而使得運動員運動成績長期下降。訓練負荷安排需要根據運動員不同生理條件、環境因素的變化，結合數據挖掘、運動生理學、生物力學等多學科的知識，利用合理的、有效的、更加緊密的方法來使運動員獲得對提高專業技術成績的身體素質。因此，可以說，科學的訓練安排是優秀游泳運動員取得優異成績的關鍵。

然而，現有針對游泳運動員的訓練負荷安排沒有完整可靠的框架，沒有充分發揮優秀的教練員對普及科學的游泳競技運動訓練的重要作用，因此申請人設計一種基于PCA-PNN的游泳運動員訓練負荷預測方法。

發明內容

為了解決以上問題，本發明提供一種基于PCA-PNN的游泳運動員訓練負荷預測方法，該方法通過研究運動員的訓練負荷影響融合特征，來構建游泳運動員訓練負荷預測模型，以評估一個游泳運動員的訓練安排，為達此目的，本發明提供一種基于PCA-PNN的游泳運動員訓練負荷預測方法，具體步驟如下；

Step1：特征指標選取和數據庫構建；

從三個方面去選取負荷預測模型的特征指標，分別是游泳運動員的基本信息數據、訓練數據以及生理生化數據，數據源于國家級游泳運動中心的訓練分析系統，訓練員將運動員的特征信息和訓練負荷評價實時上傳至MYSQL數據庫進行存儲，在挑選樣本集時，首先需要刪減掉無用數據，以訓練數據的運動員ID、訓練日期為依據，如果MYSQL數據庫的其他數據出現缺失項，則放棄這系訓練數據，樣本集的每一個樣本的可以表示為維度為21的特征輸入向量，每個特征向量對應的訓練負荷的分級，分別為訓練量過大，訓練量過小，訓練量適中；

Step2：主成分分析構建PNN網絡輸入量；

構建主成分分析法PCA，以消除各指標間的相關性，具體方法為：

Step2.1根據樣本集構建原始游泳運動員指標矩陣為X，其中x_ij為第i個運動員特征樣本的第j個指標，m為總樣本數量，n為運動員特征數量，n＝21。

Step2.2將數據標準化：首先計算各個運動員特征指標的均值和標準差然后計算標準化后的指標矩陣中每個元素

Step2.3計算各特征指標間的相關系數矩陣R，

其中r_uv為第u個特征指標和第v個特征指標的相關系數，

Step2.4計算相關矩陣R的特征值為λ₁,λ₂,...,λ_n，滿足λ_f≥0(f＝1,2,...n)，特征值對應的單位化特征向量記為p₁,p₂,...,p_n，選取前s個主成分作為表征游泳運動員的綜合指標，則有第i個運動員特征樣本的綜合指標向量；