謝 哲

（湖南信息職業(yè)技術(shù)學(xué)院，湖南 長沙 410200）

0 引言

數(shù)字化是指通過硬件和軟件的結(jié)合將監(jiān)控設(shè)備采集到的信息處理成數(shù)字信號(hào)，然后發(fā)送給計(jì)算機(jī)進(jìn)行統(tǒng)一處理的過程[1]。在體育科學(xué)領(lǐng)域，“數(shù)字”的概念往往與“身體素質(zhì)”的概念聯(lián)系在一起，特別是“數(shù)字身體素質(zhì)”。著名學(xué)者認(rèn)為數(shù)字化體能訓(xùn)練是在運(yùn)動(dòng)員體能訓(xùn)練過程中運(yùn)用現(xiàn)代技術(shù)手段，通過實(shí)時(shí)測(cè)量數(shù)據(jù)監(jiān)測(cè)訓(xùn)練質(zhì)量，并根據(jù)數(shù)據(jù)對(duì)體能訓(xùn)練過程進(jìn)行調(diào)整的一種訓(xùn)練方法。該學(xué)者進(jìn)一步指出：數(shù)字化體能訓(xùn)練是一種雙向控制過程，對(duì)提高單位時(shí)間的訓(xùn)練效率、實(shí)現(xiàn)優(yōu)秀運(yùn)動(dòng)員精確個(gè)性化體能訓(xùn)練的目標(biāo)具有十分重要的意義[2]。目前，學(xué)術(shù)領(lǐng)域?qū)?shù)字化體能訓(xùn)練的研究較少，主要集中在現(xiàn)代智能運(yùn)動(dòng)裝備的應(yīng)用和運(yùn)動(dòng)員訓(xùn)練比賽的數(shù)據(jù)分析上[3]。體育訓(xùn)練是提高運(yùn)動(dòng)員專項(xiàng)成績和競(jìng)技能力的重要因素，相關(guān)的數(shù)字化研究已初具規(guī)模，初步體現(xiàn)了數(shù)字化概念在體育領(lǐng)域中的應(yīng)用。同時(shí)，數(shù)據(jù)統(tǒng)計(jì)和數(shù)據(jù)分析已初步應(yīng)用于體操、射擊、足球、排球、網(wǎng)球、高爾夫、鐵餅以及賽艇等多種體育項(xiàng)目中[4]。目前，籃球?qū)ｍ?xiàng)體育訓(xùn)練的數(shù)字化應(yīng)用仍是學(xué)術(shù)研究的短板，因此該文結(jié)合相關(guān)文獻(xiàn)對(duì)該領(lǐng)域進(jìn)行研究。

1 大數(shù)據(jù)分析處理體能訓(xùn)練方案技術(shù)方法平臺(tái)搭建

大數(shù)據(jù)分析處理體能訓(xùn)練方案技術(shù)方法平臺(tái)的基本框架和建設(shè)思路如下：收集大量體能測(cè)試數(shù)據(jù)，選取其他部分作為訓(xùn)練數(shù)據(jù)，并基于大數(shù)據(jù)分析方法建立體質(zhì)評(píng)價(jià)函數(shù)。采用神經(jīng)網(wǎng)絡(luò)方法建立身體素質(zhì)評(píng)價(jià)模型，對(duì)用戶身體素質(zhì)狀態(tài)進(jìn)行評(píng)價(jià)（分為良好、中等和較差）?；陉P(guān)聯(lián)規(guī)則的測(cè)試指標(biāo)數(shù)據(jù)挖掘方法的優(yōu)先級(jí)關(guān)聯(lián)規(guī)則算法是一種常規(guī)方法，通過該算法可以得出各個(gè)測(cè)試指標(biāo)之間的內(nèi)在聯(lián)系，采集訓(xùn)練對(duì)象的基本信息和訓(xùn)練信息，綜合體能訓(xùn)練結(jié)果，并將個(gè)別項(xiàng)目的訓(xùn)練結(jié)果聯(lián)系起來，從而為用戶提供合理的體育訓(xùn)練方案。

1.1 平臺(tái)功能模塊設(shè)計(jì)

該平臺(tái)按照前端和后端開發(fā)的設(shè)計(jì)思路分為用戶層、功能層和數(shù)據(jù)層3個(gè)部分。具體如圖1所示。

圖1 平臺(tái)功能示意圖

構(gòu)建用戶層是為了讓用戶能夠與平臺(tái)進(jìn)行交互。用戶對(duì)界面進(jìn)行操作時(shí)，用戶層以參數(shù)和代碼的形式將用戶的操作傳遞給平臺(tái)功能層，從而完成交互。功能層是各個(gè)功能模塊聚集在一起發(fā)揮作用的地方，其通過接收用戶層傳遞的參數(shù)完成信息傳輸任務(wù)。數(shù)據(jù)層主要包括數(shù)據(jù)庫的設(shè)計(jì)，數(shù)據(jù)庫的表結(jié)構(gòu)主要包括基礎(chǔ)類信息、綜合物理測(cè)試數(shù)據(jù)和單項(xiàng)測(cè)試數(shù)據(jù)。被試的個(gè)人信息庫的基本信息主要是個(gè)人的靜態(tài)信息，例如性別、姓名等隨著時(shí)間的推移緩慢或基本不變的信息。記錄肺活量體重指數(shù)、握力體重指數(shù)以及身高標(biāo)準(zhǔn)體重指數(shù)等綜合體能測(cè)試結(jié)果，修改并在綜合體能測(cè)試數(shù)據(jù)庫中更新數(shù)據(jù)。被測(cè)對(duì)象單項(xiàng)測(cè)試庫記錄、修改和刪除被測(cè)對(duì)象的單項(xiàng)測(cè)試結(jié)果，包括步進(jìn)測(cè)試、50 m短跑、長跑、坐體前屈、引體向上以及肺活量等數(shù)據(jù)。測(cè)試信息管理模塊用于設(shè)計(jì)和實(shí)現(xiàn)對(duì)測(cè)試對(duì)象測(cè)試信息的管理，將這些信息以參數(shù)的形式傳遞到測(cè)試信息管理功能模塊中，可以更好地計(jì)算和導(dǎo)出綜合物理結(jié)果、排序和報(bào)告等相關(guān)信息[5]。單項(xiàng)考試信息管理與綜合考試信息管理基本相同，但沒有設(shè)置計(jì)算公式的功能。在設(shè)置綜合試驗(yàn)指標(biāo)時(shí)，需要設(shè)置指標(biāo)的計(jì)算公式和項(xiàng)目[6]。其對(duì)應(yīng)的流程圖如圖2所示。

圖2 數(shù)據(jù)處理流程圖

測(cè)試管理員登錄平臺(tái)后，設(shè)置需要計(jì)算的單項(xiàng)指標(biāo)。3個(gè)核心類主要用于控制被測(cè)對(duì)象綜合指標(biāo)的計(jì)算和設(shè)置。通過基礎(chǔ)數(shù)據(jù)類更新綜合測(cè)試指標(biāo)的計(jì)算公式。

1.2 數(shù)據(jù)庫設(shè)計(jì)

項(xiàng)目數(shù)據(jù)表設(shè)計(jì)共分為基礎(chǔ)信息表、綜合測(cè)試信息表、單向項(xiàng)目測(cè)試信息表、體能狀態(tài)表和測(cè)試指標(biāo)關(guān)聯(lián)規(guī)則表。對(duì)應(yīng)的數(shù)據(jù)庫表單的物理結(jié)構(gòu)設(shè)計(jì)見表1。

通過描述具體內(nèi)容對(duì)最核心的功能框架進(jìn)行設(shè)計(jì)，主要包括基礎(chǔ)信息模塊、測(cè)試信息管理模塊和物理測(cè)試結(jié)果分析模塊。這3個(gè)模塊為平臺(tái)的建構(gòu)奠定了技術(shù)基礎(chǔ)。由于制約運(yùn)動(dòng)員水平發(fā)揮的體能因素有很多，表1所列的僅為最典型的幾項(xiàng)因素，因此在實(shí)際使用中會(huì)根據(jù)研究的深入，增加更多的數(shù)據(jù)項(xiàng)，從而在大數(shù)據(jù)處理的數(shù)據(jù)廣度方面給與更多的支持。

表1 數(shù)據(jù)庫表單

建立數(shù)據(jù)庫后，需要設(shè)計(jì)數(shù)據(jù)輸入接口和數(shù)據(jù)維護(hù)功能，并為大數(shù)據(jù)分析處理提供數(shù)據(jù)讀取的輸出接口?？紤]到籃球運(yùn)動(dòng)員體能訓(xùn)練中專業(yè)體能教練崗位的專業(yè)性，在設(shè)計(jì)輸入接口時(shí)需要為其留出專用數(shù)據(jù)導(dǎo)入接口，具體方式為建立固定數(shù)據(jù)格式的文件，由體能教練在訓(xùn)練計(jì)劃制定前、體能訓(xùn)練中和訓(xùn)練測(cè)試3個(gè)階段，以運(yùn)動(dòng)員為基本單元分門別類地寫入數(shù)據(jù)。另一部分重要數(shù)據(jù)是日常訓(xùn)練和比賽中運(yùn)動(dòng)員的臨場(chǎng)發(fā)揮情況，該數(shù)據(jù)可以體現(xiàn)運(yùn)動(dòng)員體能訓(xùn)練的成果，是大數(shù)據(jù)分析處理中重要的驗(yàn)證數(shù)據(jù)，由指定的數(shù)據(jù)庫管理員負(fù)責(zé)輸入該數(shù)據(jù)。數(shù)據(jù)庫的維護(hù)主要涉及運(yùn)動(dòng)員的體能訓(xùn)練方案變化情況，尤其是轉(zhuǎn)會(huì)、傷病等情況下的數(shù)據(jù)修正與輸入。數(shù)據(jù)輸出是大數(shù)據(jù)分析處理的調(diào)用接口。由于大數(shù)據(jù)分析處理采用云計(jì)算方式，數(shù)據(jù)在互聯(lián)網(wǎng)上運(yùn)行，因此對(duì)數(shù)據(jù)庫數(shù)據(jù)的調(diào)用是根據(jù)調(diào)用申請(qǐng)，以網(wǎng)頁數(shù)據(jù)的形式分發(fā)到運(yùn)算服務(wù)器，以供其進(jìn)行計(jì)算、分析和處理。

2 大數(shù)據(jù)處理分析身體素質(zhì)輔助決策

2.1 數(shù)據(jù)采集

為了增加數(shù)據(jù)的數(shù)量，使結(jié)果更加準(zhǔn)確、具有代表性。首先，該文采用了多來源的方法收集數(shù)據(jù)，包括實(shí)際測(cè)試法和問卷調(diào)查法。該文隨機(jī)選取5個(gè)訓(xùn)練組，每個(gè)訓(xùn)練組選取10名成員進(jìn)行體能監(jiān)測(cè)。5個(gè)訓(xùn)練小組分布在不同地區(qū)，從而使數(shù)據(jù)來源更加廣泛。實(shí)際有效數(shù)據(jù)為43條。其次，通過問卷的形式讓運(yùn)動(dòng)員登錄網(wǎng)頁，查閱體能測(cè)試結(jié)果，并根據(jù)體能測(cè)試結(jié)果填寫問卷。針對(duì)其中可能存在錯(cuò)誤數(shù)據(jù)的問題，還需要對(duì)問卷調(diào)查的數(shù)據(jù)結(jié)果進(jìn)行處理，方法如下：在問卷調(diào)查結(jié)果中，20%的數(shù)據(jù)大于最大值的實(shí)際測(cè)試方法或20%低于最小值的實(shí)際測(cè)試方法被認(rèn)為是假陽性并對(duì)其進(jìn)行刪除。最后，共收集有效的運(yùn)動(dòng)員訓(xùn)練問卷562份。

2.2 數(shù)據(jù)處理

數(shù)據(jù)清理就是清理數(shù)據(jù)，去掉其中的無用成分，只留下最干凈、最需要的部分[7]。用技術(shù)語言描述，就是用技術(shù)手段獲取數(shù)據(jù)中所需要的部分，剔除不需要的部分。在數(shù)據(jù)清理的過程中要注意以下2點(diǎn)：1）要保證數(shù)據(jù)的完整性。數(shù)據(jù)的完整性是指核心數(shù)據(jù)的完整性，任何清理都必須以保留核心數(shù)據(jù)主體為標(biāo)準(zhǔn)。2）要確保數(shù)據(jù)的有效性。在清理過程中，不應(yīng)使核心數(shù)據(jù)因清理而變形和損壞，應(yīng)該保證核心數(shù)據(jù)的原始狀態(tài)[8]?；谝陨?個(gè)要求，該文總結(jié)了采集數(shù)據(jù)、綜合物理試驗(yàn)數(shù)據(jù)和單項(xiàng)試驗(yàn)數(shù)據(jù)的基本信息。剔除信息不完整的對(duì)象，篩選相應(yīng)的體能測(cè)試對(duì)象。根據(jù)信息對(duì)大數(shù)據(jù)進(jìn)行分類，可分為靜態(tài)信息和動(dòng)態(tài)信息[9]。靜態(tài)信息包括基本信息，基本信息是指不發(fā)生變化的信息。動(dòng)態(tài)信息是該文平臺(tái)開發(fā)中使用的業(yè)務(wù)數(shù)據(jù)，即物理測(cè)試數(shù)據(jù)和項(xiàng)目運(yùn)動(dòng)評(píng)估結(jié)果數(shù)據(jù)，包括體能測(cè)試被測(cè)試對(duì)象的基礎(chǔ)信息、綜合體質(zhì)測(cè)試數(shù)據(jù)以及單項(xiàng)項(xiàng)目測(cè)試數(shù)據(jù)。

神經(jīng)網(wǎng)絡(luò)方法始于20世紀(jì)80年代。它以人腦神經(jīng)元組織的基本結(jié)構(gòu)為基礎(chǔ)，由數(shù)學(xué)語言和計(jì)算機(jī)語言構(gòu)造而成[10]。假設(shè)神經(jīng)網(wǎng)絡(luò)為三層反向傳播算法，輸入層節(jié)點(diǎn)的數(shù)目是N，輸出層節(jié)點(diǎn)的數(shù)目是M，隱層節(jié)點(diǎn)的數(shù)目是H。H的取值范圍根據(jù)M和N的實(shí)際值來動(dòng)態(tài)調(diào)整，直到模型達(dá)到最優(yōu)效果。假設(shè)輸入為x1，x2，…，xn，輸出為y1，y2，…，ym，隱藏層節(jié)點(diǎn)為s1，s2，…，sh，在該文中，x1，x2，…，xn代表肺活量、握力、身高、體重、臺(tái)階試驗(yàn)、短跑、長跑、坐位體前屈、引體向上以及跳繩共10個(gè)訓(xùn)練項(xiàng)目參數(shù)，y1，y2，…，ym代表良好、一般和較差3個(gè)狀態(tài)，則根據(jù)信息的正向傳遞，可得隱藏節(jié)點(diǎn)SJ如公式（1）所示。

式中：f為輸入層到隱藏層的激活函數(shù)；wij為輸入層節(jié)點(diǎn)i和隱藏層節(jié)點(diǎn)j之間的權(quán)重；xi為訓(xùn)練項(xiàng)目；aj為輸入層到隱藏層的偏置值；i為輸入層節(jié)點(diǎn)編號(hào)；n為節(jié)點(diǎn)序號(hào)，n為自然數(shù)。

通過隱藏節(jié)點(diǎn)SJ，計(jì)算輸出yk，如公式（2）所示。

式中：yk為網(wǎng)絡(luò)輸出值；g為隱藏層到輸出層的激活函數(shù)；h為隱藏層節(jié)點(diǎn)的序號(hào)，h為自然數(shù)；wjk為隱藏層節(jié)點(diǎn)j和輸出層節(jié)點(diǎn)k之間的權(quán)值；sj為隱藏層的節(jié)點(diǎn)數(shù)值；bk為隱藏層到輸出層的偏置值；j為隱藏層節(jié)點(diǎn)編號(hào)。

在該文中，使用S型生長曲線函數(shù)g（xi）作為輸入層到隱藏層的激活函數(shù)，如公式（3）所示。

式中：xi為運(yùn)動(dòng)項(xiàng)目參數(shù)；e為數(shù)學(xué)常數(shù)歐拉數(shù)。

使用邏輯回歸函數(shù)g（zi）作為隱藏層到輸出層的激活函數(shù)，如公式（4）所示。

式中：zi為訓(xùn)練迭代權(quán)值序列。

以實(shí)際測(cè)試法獲取的數(shù)據(jù)為樣本集進(jìn)行模型訓(xùn)練，使用十折交叉驗(yàn)證的方法進(jìn)行模型驗(yàn)證，使用逆向傳播算法神經(jīng)網(wǎng)絡(luò)的方法，輸入層選擇肺活量、握力、身高、體重以及臺(tái)階試驗(yàn)等參數(shù)，輸出層為良好、一般和較差3個(gè)狀態(tài)。

2.3 數(shù)據(jù)挖掘

先驗(yàn)算法是一種關(guān)聯(lián)規(guī)則挖掘的算法。關(guān)聯(lián)規(guī)則是指兩類項(xiàng)之間可能存在的強(qiáng)關(guān)系，頻繁項(xiàng)集是指經(jīng)常一起出現(xiàn)的項(xiàng)的集合[11]。挖掘關(guān)聯(lián)規(guī)則的算法如下：準(zhǔn)備數(shù)據(jù)。收集運(yùn)動(dòng)員的體能測(cè)試數(shù)據(jù)，對(duì)這些數(shù)據(jù)進(jìn)行連續(xù)屬性離散化，實(shí)現(xiàn)數(shù)據(jù)的碎片化，防止內(nèi)在關(guān)聯(lián)帶來的數(shù)據(jù)失真。數(shù)值體能測(cè)試數(shù)據(jù)被離散化并分布在幾個(gè)離散區(qū)間。例如假設(shè)對(duì)50 m短跑項(xiàng)目來說，將4個(gè)離散間隔分為優(yōu)秀、良好、合格和不合格，分別用符號(hào)I1、I2、I3和I4來表示；從長期來看，將4個(gè)離散區(qū)間分為優(yōu)、良、合格和不合格，分別用符號(hào)J1、J2、J3和J4來表示；坐體前屈分為優(yōu)、好、合格和不合格4個(gè)離散區(qū)間，分別用符號(hào)H1、H2、H3和H4來表示。那么由50 m短跑和固體投擲組成的記錄可以用（Ik，Jm，Hn）的形式來表達(dá)。通過遍歷算法找到所有頻繁項(xiàng)目集。例如沖刺優(yōu)秀、步長測(cè)試優(yōu)秀和50 m跑優(yōu)秀等。頻繁項(xiàng)集是體能訓(xùn)練優(yōu)秀個(gè)體的外在表現(xiàn)特征，其邏輯關(guān)系可以引證為潛在的因果關(guān)系，即由于科學(xué)訓(xùn)練和合理計(jì)劃，因此運(yùn)動(dòng)員在測(cè)試中的單項(xiàng)成績優(yōu)秀，眾多優(yōu)秀的運(yùn)動(dòng)員個(gè)體組成了各個(gè)單項(xiàng)的頻繁項(xiàng)集。根據(jù)該定義，從頻繁項(xiàng)集生成強(qiáng)關(guān)聯(lián)規(guī)則。例如好的BMI代表好的引體向上，這意味著BMI好的人也會(huì)做好的引體向上。其中，挖掘頻繁項(xiàng)集的過程如下：在算法的第一次計(jì)算中，每項(xiàng)都是候選1項(xiàng)集C1的成員，算法掃描所有記錄并統(tǒng)計(jì)每項(xiàng)的出現(xiàn)次數(shù)，假設(shè)最小支持度為Min，刪除集合C1中出現(xiàn)次數(shù)小于最小值的成員，得到頻繁1項(xiàng)集的集合L1。初始化K=2，即首先計(jì)算頻繁的2項(xiàng)集。候選K項(xiàng)集的集合Ck由LK-1與自身連接生成。該算法掃描所有記錄并統(tǒng)計(jì)每項(xiàng)在Ck中同時(shí)出現(xiàn)的次數(shù)。刪除集合Ck中出現(xiàn)次數(shù)小于Min的成員，得到頻繁k項(xiàng)集的集合Lk（k=k+1）。

3 應(yīng)用驗(yàn)證

測(cè)試在軟件開發(fā)中扮演著重要的角色，它也是在最終提交給用戶使用之前必須完成的一個(gè)過程。在該平臺(tái)的開發(fā)過程中，測(cè)試主要分為性能測(cè)試和功能測(cè)試。性能測(cè)試主要包括響應(yīng)時(shí)間、響應(yīng)速度以及并發(fā)用戶數(shù)等測(cè)試；功能測(cè)試主要包括對(duì)功能的測(cè)試，例如輸入輸出結(jié)果的一致性、數(shù)據(jù)的完整性等測(cè)試。測(cè)試形式可分為白盒測(cè)試、灰盒測(cè)試和黑盒測(cè)試。通常，第三方測(cè)試是在黑盒中完成的。測(cè)試人員不需要關(guān)心內(nèi)部代碼，而只關(guān)心來自實(shí)際測(cè)試的性能數(shù)據(jù)以及測(cè)試輸入和輸出結(jié)果的一致性。

3.1 實(shí)驗(yàn)準(zhǔn)備

功能測(cè)試主要是測(cè)試輸入和輸出的一致性。性能測(cè)試是測(cè)試平臺(tái)是否平穩(wěn)以及測(cè)試平臺(tái)的響應(yīng)性。在具體的專業(yè)測(cè)試內(nèi)容中，反映了測(cè)試平臺(tái)的響應(yīng)時(shí)間和并發(fā)用戶數(shù)。采用模擬訪問作為測(cè)試方法，通過分析性能測(cè)試響應(yīng)時(shí)間、響應(yīng)結(jié)果等指標(biāo)，確保各平臺(tái)功能的正確性和完整性，分析平臺(tái)是否滿足設(shè)計(jì)要求。

從測(cè)試結(jié)果中分析得到：隨著用戶并發(fā)數(shù)的增加，平臺(tái)響應(yīng)的時(shí)間也逐漸延長，在使用藍(lán)線所用的并發(fā)用戶數(shù)的情況下，平臺(tái)已經(jīng)無法正常地為用戶提供服務(wù)，平臺(tái)響應(yīng)時(shí)間陡然增加；同時(shí)，也可以看到，雖然響應(yīng)時(shí)間變長，但是平臺(tái)依然可以穩(wěn)定運(yùn)行并輸出合理的結(jié)果。

3.2 實(shí)驗(yàn)結(jié)論

對(duì)體能訓(xùn)練測(cè)試分析平臺(tái)進(jìn)行功能測(cè)試，結(jié)果見表2。

根據(jù)表2發(fā)現(xiàn)，運(yùn)用數(shù)據(jù)挖掘法的大數(shù)據(jù)平臺(tái)總的用例是10例，Bug數(shù)是1項(xiàng)，因此得到的Bug率為10%，通過用例的比率則為90%，整體情況較好。而傳統(tǒng)測(cè)試法的通過率只有60%。在最終上線之前，更仔細(xì)地對(duì)平臺(tái)進(jìn)行檢查，也按照所測(cè)試得到的結(jié)果對(duì)平臺(tái)進(jìn)行修復(fù)，將通過用例的比例增加到了100%，從而滿足了實(shí)際場(chǎng)景的需求。

表2 測(cè)試結(jié)果表

4 結(jié)語

該文對(duì)體能訓(xùn)練測(cè)試分析的大數(shù)據(jù)算法進(jìn)行研究，基于體能相關(guān)數(shù)據(jù)的收集、存儲(chǔ)、挖掘分析和收集，為制定科學(xué)合理的體能訓(xùn)練方案分析和決策提供指導(dǎo)；該文對(duì)促進(jìn)體質(zhì)測(cè)試的科學(xué)合理定位、解決體質(zhì)測(cè)試的人工智能分析問題具有一定的參考意義。目前的大數(shù)據(jù)在體質(zhì)測(cè)試分析方面缺乏相應(yīng)的科學(xué)依據(jù)，特別是缺乏單項(xiàng)測(cè)試結(jié)果與綜合測(cè)試結(jié)果之間的相關(guān)性分析。被試可以通過單項(xiàng)測(cè)試或綜合體能測(cè)試了解自身的不足，確保自身的綜合體能得到提高。在未來的發(fā)展中，可以輔以其他算法，例如深度學(xué)習(xí)模型、隱馬爾可夫鏈算法等算法，使該文的算法和結(jié)果更加完善。