李東,宋啟吉
(西華大學計算機與軟件工程學院,成都 610039)
基于神經網絡的最佳運動量預測方法
李東,宋啟吉
(西華大學計算機與軟件工程學院,成都610039)
在現代都市快速的生活節(jié)奏下,強健的體質對大家尤為重要。運動是增強體質的主要途徑,在實際生活中很多人并未能科學的進行運動,就最常見的運動方式跑步而言,大多數人或是每天固定跑多遠,或是每天固定跑多久。久而久之,運動者或是發(fā)現體質沒有明顯改善,或是體質變化速率十分緩慢。究其根本原因還是在于以固定的運動量來應對循序漸進的體質變化過程,不能合理高效地達到運動的效果。
本文通過體質與運動量的關系進行分析,應用神經網絡對運動數據的學習來找出體質與運動量之間的潛在關系,并通過該關系來預測當前運動者最適宜的運動量。
合適的運動量對體質的增強起著關鍵的作用,過大的運動量不但不能增強體質反而會損傷身體,過小的運動量起不到明顯的體質增強的作用,同樣也達不到體質增強的作用,合適的運動量才能有效地增強身體體質。其體質增量與運動量的大致關系如圖1。
當運動量較低區(qū)間,體質增量隨著運動量的增加而增加;當運動量較為合適時,體質增量保持在較大值;當運動量過大時,體質增量反而隨著運動量的增加而減小。
圖1 體質增量——運動量
個體的運動是個循序漸進的過程,個體的體質在不同階段其適宜的運動量也不同。為了持續(xù)有效地達到增強體質的目的,其運動量需要動態(tài)的符合個體當前階段的體質。
由于人的身體機能的效率是有限的,則在固定周期內的運動量也存在著極限也就是最大值,為了尋找最佳運動量的值,我們只需要在固定區(qū)間內尋找能使體質增加最大的運動量的值。對于經過訓練的神經網絡而言,我們采用較為合適的步長從零開始增加到最大值,將每一組數據經過神經網絡輸出,最后選出符合條件的輸入即可。其模型流程圖如下:
圖2
本實例的體質采用常用的百分制并加以歸一化評定,即體質范圍為0到100。選取某班學生中體質評分為60的若干名男同學并將其均分A、B、C三組。運動方式為跑步,每個階段為1周,每階段路程范圍為0到70km。
A組采用本文所述的方法進行運動,現有往屆男學生1周跑步健身數據如表1。
表1
表2
將上述數據進行歸一化,歸一化后的數據如表2。
(1)建立BP神經網絡,其隱藏節(jié)點數為15,激勵函數采用最常用的Sigmoid函數,將歸一化的數據對BP神經網絡進行訓練。
(2)將A組同學的體質與歸一化后的運動量按照0.01的步長從0.0到1.0進行組合并輸入神經網絡,取其網絡輸出最大時的運動量值作為本階段最佳運動量,階段完畢時記錄實際體質評分并作為下一階段的體質輸入。
(3)重復步驟(2),并記錄連續(xù)10個階段的數據。
B組采用較重固定運動量進行訓練,其每個階段的運動量為歸一化的0.8,并記錄連續(xù)10個階段的體質數據。
C組采用較輕固定運動量進行健身,其每個階段的運動量為歸一化的0.5,并記錄連續(xù)10個階段的體質數據。
對比三組運動量與體質如圖3-圖4。
對比固定運動量與最佳運動量運動數據可以發(fā)現:過大的固定運動量雖然其健身效果最后也與最佳運動量相差不大,但其所需周期更多,更重要的是其運動量總和大大超過最佳運動量總和,造成了前者的運動量巨大浪費。過小的固定運動量雖然運動總量非常小,但是在整個運動過程中,其體質增長緩慢幾乎停滯,達不到增強體質的作用。
本文提出了一種基于神經網絡的最佳運動量預測的方法。如果采用固定的運動量方式進行運動,若運動量過小,起不了增強體質的作用;若運動量過大,造成過度運動。而健身過程本身又是一個發(fā)展變化的過程,為了適應這種發(fā)展變化的過程,如果采用本文提出的最佳運動量預測的方法,其每個階段的運動量是隨著體質增強而動態(tài)增長的,符合健身的循序漸進的過程。且其體質增強快,運動量合適,是科學的健身運動方式。
圖3 體質—運動周期
圖4 運動量—運動周期
[1]雷芬芳,侯廣斌,李群英,潘孝富.不同健身運動處方對大學生體質健康水平的影響[J].中國運動醫(yī)學雜志,2005,3.
[2]李生民,王波,祝菁.普通高校陽光體育運動評價指標體系構建[J].北京體育大學學報,2011,9.
[3]王坦,傅水根,吳平東,陳嘉健.基于人工神經網絡的人體體質綜合評價模型的建立[J].中國農業(yè)大學學報,2004,9.
[4]鄧偉明,孫學川,范曉燕.基于人工神經網絡的體能訓練強度的模糊調控[J].生物醫(yī)學工程學雜志,2003,4.
Exercise is the main way to enhance physical fitness,and the exercise is a process of development and change.In order to adapt to the development of the process and the reasonable and effective exercise in the real life,through the analysis of the relationship between physical fitness and sports,proposes a prediction method of the most appropriate amount of exercise based on neural network,To predict the most appropriate amount of exercise at different stages.Finally,the effectiveness of the proposed method is illustrated by an example. Keywords:
Amount of Exercise;Constitution;Neural Network;Prediction
Prediction Method of Optimal Motion Quantity Based on Neural Network
LI Dong,SONG Qi-ji
(College of Computer and Software Engineering,Xihua University,Chengdu 610039)
1007-1423(2016)02-0044-03
10.3969/j.issn.1007-1423.2016.02.011
李東(1989-),男,重慶豐都人,碩士研究生,研究方向為嵌入式系統、數字系統及設計方法
2015-12-01
2015-12-30
運動是增強體質的主要途徑,而運動過程本是一個發(fā)展變化的過程。為了適應這種發(fā)展變化的過程和能在實際生活中合理有效地進行健身運動,通過分析體質與運動量的關系,提出一種基于神經網絡的最佳運動量的預測方法,用以在不同階段預測運動者最適宜的運動量。通過實例分析對比說明該方法的有效性。
運動量;體質;神經網絡;預測
宋啟吉(1991-),男,四川瀘州人,碩士研究生,研究方向為嵌入式系統、數字系統及設計方法