李富玉

【摘 ?要】自行車運動員的訓(xùn)練負(fù)荷能力和其身體機能狀態(tài)有著復(fù)雜的關(guān)系，為了挖掘其中的數(shù)據(jù)關(guān)聯(lián)，從而指導(dǎo)自行車運動的科學(xué)訓(xùn)練及人才培養(yǎng)，本文借助國家自行車隊積累的數(shù)據(jù)進行研究，提出了自行車運動員訓(xùn)練負(fù)荷預(yù)測模型，并將預(yù)測模型應(yīng)用在“自行車隊訓(xùn)練分析系統(tǒng)”中。這對于提高我國自行車運動的競技水平和運動員訓(xùn)練效果有著重要意義。

【關(guān)鍵詞】自行車運動員;訓(xùn)練;負(fù)荷預(yù)測;模型;應(yīng)用

1自行車運動訓(xùn)練分析的研究現(xiàn)狀

目前自行車運動訓(xùn)練分析主要是研究某一專項技術(shù)在自行車比賽中的作用，以及提高競技水平的訓(xùn)練方法和訓(xùn)練手段。有研究通過對公路自行車項目特征、制勝因素、制勝能力及其相互關(guān)系的研究，主要得到了以下結(jié)論：長距離公路自行車運動項目是以有氧供能為主的，運動員通過踏蹬自行車產(chǎn)生移動速度進行競爭的周期性競速運動項目;根據(jù)自行車運動的特點，應(yīng)從肌肉工作、器械以及競技能力三個角度認(rèn)識與把握公路自行車賽的項目特征。還有人員研究了山東省男子公路自行車隊運動員在長期運動訓(xùn)練以后身體機能變化的規(guī)律，提出了訓(xùn)練的小循環(huán)適當(dāng)延長、增加冬訓(xùn)期及賽前的訓(xùn)練強度的建議。

2影響訓(xùn)練負(fù)荷的因素

在對運動員訓(xùn)練負(fù)荷預(yù)測的過程中，選取對訓(xùn)練負(fù)荷有影響的因素不僅要合理而且還要有代表性，結(jié)合實驗數(shù)據(jù)的特點，本文根據(jù)自行車國家隊教練的建議選取了25個對訓(xùn)練負(fù)荷有影響的因素：1）運動員的身高、體重、年齡、性別、體質(zhì)指數(shù)。2）功能閾值功率（FTP）。自行車訓(xùn)練中的FTP是指在1小時內(nèi)用盡全力且穩(wěn)定的騎行中所得到的最大平均功率。3）最大攝氧量。最大攝氧量是反應(yīng)運動員有氧能力的重要指標(biāo)。4）平均踏頻和最高踏頻。踏頻是在自行車領(lǐng)域非常關(guān)鍵卻又容易被忽略的指標(biāo)，指的是單側(cè)曲柄每分鐘轉(zhuǎn)動的圈數(shù)，它是騎行效率的基本保證，合理的踏頻能夠有效的使用身體機能，防止肌肉和膝關(guān)節(jié)損傷，提高騎行效率。5）平均功率和最高功率。功率對于自行車訓(xùn)練來說是十分明確的強度指標(biāo)，它直接反映出了運動員目前所輸出的力量，能夠有效監(jiān)控運動強度。功率反映出了運動員實際踩踏出來的力量大小，并不像心率只是一個生理指標(biāo)。兩者之間最大的差異就在于一個是“實際表現(xiàn)”，另外一個是“生理反應(yīng)”。6）生理生化指標(biāo)。數(shù)據(jù)中有很多生理生化數(shù)據(jù)，其中包含了血常規(guī)、血糖肌酐、肝功能、尿常規(guī)、睪酮測定等幾大項，而每一項分別又包含數(shù)十項檢測指標(biāo)。如果把所有指標(biāo)都作為輸入，模型的計算量會劇增，而且并不是所有指標(biāo)都對負(fù)荷結(jié)果有較大影響，本文根據(jù)專家的建議和參考他人的研究，在生理生化數(shù)據(jù)中選取了白細胞數(shù)、血紅蛋白、血小板、紅細胞數(shù)、尿素氮、肌酸激酶、睪酮、血氧飽和度、尿PH值、尿蛋白、尿膽原和尿膽素。7）參加訓(xùn)練的項目和訓(xùn)練量。

3分析IAGABP算法在訓(xùn)練負(fù)荷預(yù)測中的應(yīng)用

3.1神經(jīng)網(wǎng)絡(luò)模型的選擇

神經(jīng)網(wǎng)絡(luò)模型種類繁多，每一種神經(jīng)網(wǎng)絡(luò)模型有各自適合的應(yīng)用場景，有的適用于圖像處理領(lǐng)域，有的適用于特征識別領(lǐng)域，有的適用于數(shù)據(jù)分類領(lǐng)域。目前應(yīng)用廣泛的神經(jīng)網(wǎng)絡(luò)模型有感知器神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)等。感知器神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)是線性閾值單元，適用于簡單的模式分類問題，并且模型實現(xiàn)比較簡單，只能解決線性可分的問題，因此該模型不適合用來對訓(xùn)練負(fù)荷的預(yù)測。反饋神經(jīng)網(wǎng)絡(luò)的神經(jīng)元在向前傳遞信息時還要向后傳遞信息，需要經(jīng)過工作一段時間才能達到穩(wěn)定狀態(tài)，在解決相同精度問題時反饋神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)要比前饋型神經(jīng)網(wǎng)絡(luò)復(fù)雜。徑向基神經(jīng)網(wǎng)絡(luò)（RBF）和BP神經(jīng)網(wǎng)絡(luò)都是前饋型神經(jīng)網(wǎng)絡(luò)，在解決類似的非線性問題時它們可以相互代替，但是它們之間存在兩點區(qū)別：1）雖然RBF的泛化能力優(yōu)于BP神經(jīng)網(wǎng)絡(luò)，但是在解決同樣誤差精度要求的問題中BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)更簡單。2）RBF的全局搜索能力強，但是BP神經(jīng)網(wǎng)絡(luò)可以使用遺傳算法優(yōu)化的方法在一定程度上解決易陷入局部極小值的問題。在選擇神經(jīng)網(wǎng)絡(luò)模型對運動員訓(xùn)練負(fù)荷預(yù)測中，選擇合適的模型需要考慮以下兩點：1）運動員訓(xùn)練負(fù)荷預(yù)測是一個多因素的預(yù)測問題，需要先對數(shù)據(jù)進行非線性擬合。2）該預(yù)測模型需要在應(yīng)用系統(tǒng)中使用，網(wǎng)絡(luò)模型不能太復(fù)雜。綜合對多種神經(jīng)網(wǎng)絡(luò)模型的對比以及以上兩點需求，本文最終確定使用BP神經(jīng)網(wǎng)絡(luò)作為運動員訓(xùn)練負(fù)荷的基本算法。

3.2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)設(shè)計

為了建立運動員訓(xùn)練負(fù)荷預(yù)測模型，首先要確定好BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及參數(shù)設(shè)計。它的設(shè)計主要包括網(wǎng)絡(luò)層數(shù)、神經(jīng)元個數(shù)、數(shù)據(jù)集處理以及初始權(quán)值和閾值的選取等幾個方面，本文的預(yù)測模型網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

3.3改進自適應(yīng)遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化

對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化一般有三種：針對初始權(quán)值和閾值的優(yōu)化、針對網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的優(yōu)化和針對網(wǎng)絡(luò)學(xué)習(xí)參數(shù)的優(yōu)化。本章使用改進的自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的具體方法如下，其中自適應(yīng)遺傳算法的選擇操作一般選擇輪盤賭的方式，而本文提出了一種簡單有效的選擇算子。改進選擇算子的操作步驟如下：（1）初始化一個種群，按照適應(yīng)度從小到大的順序?qū)ΨN群內(nèi)個體排序;（2）把排好順序的個體均分成4段，4段種群的質(zhì)量從前到后依次變高，對每一段按照0.4、0.6、0.8、1的比例進行選擇。（3）將上一步選出的個體組成新的種群，新種群的數(shù)量會因為按比例選取有所減少，從第4段的最優(yōu)個體中隨機選取個體補充到新種群內(nèi)，使新種群個體數(shù)量保持不變。4）交叉和變異算子自適應(yīng)遺傳算法通過種群的交叉和變異操作產(chǎn)生新個體，在交叉、變異的過程中根據(jù)交叉率和變異率選擇操作的個體，為了構(gòu)造適應(yīng)度值更高的個體，個體適應(yīng)度越小，交叉、變異的概率就越大，適應(yīng)度越大的個體相反。

3.4算法描述及分析

基于改進自適應(yīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法IAGABP，分為遺傳算法部分和BP神經(jīng)網(wǎng)絡(luò)部分。在遺傳算法部分，先使用實數(shù)編碼的方式隨機產(chǎn)生N個染色體，組成算法的初始種群，然后不斷進行遺傳操作，提高種群的整體適應(yīng)度，直到種群進化達到指定代數(shù)時算法終止。BP神經(jīng)網(wǎng)絡(luò)部分首先要確定網(wǎng)絡(luò)結(jié)構(gòu)和其他參數(shù)，然后將遺傳算法部分得到的最優(yōu)個體拆解成一組BP神經(jīng)網(wǎng)絡(luò)連接權(quán)值和閾值作為BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，通過誤差反向傳播的方式不斷調(diào)節(jié)權(quán)值和閾值，直到網(wǎng)絡(luò)輸出誤差達到終止條件，得到最終的BP神經(jīng)網(wǎng)絡(luò)模型。

4結(jié)束語

自行車國家隊積累了多年訓(xùn)練、比賽的數(shù)據(jù)，從這些數(shù)據(jù)中找出運動員訓(xùn)練負(fù)荷能力和身體機能狀態(tài)之間的關(guān)系對提高自行車隊訓(xùn)練效果有著重要意義。本文借助自行車國家隊的數(shù)據(jù)進行研究，提出了一種自行車運動員訓(xùn)練負(fù)荷預(yù)測模型。盡管本文中運動員訓(xùn)練負(fù)荷預(yù)測模型的準(zhǔn)確率達到了可用的水平，系統(tǒng)的開發(fā)也已經(jīng)初步完成，可以完成用戶目前的使用需求，但是由于時間有限和本人能力有限，課題還存在不完善的地方，需要在以后進行改進。

參考文獻：

[1]李雪強.公路自行車男子有氧耐力訓(xùn)練手段的優(yōu)選及應(yīng)用效果研究[D].西安體育學(xué)院，2017.

（作者單位：山東省射擊自行車運動管理中心）