摘要：為構(gòu)建優(yōu)秀女子運動員技戰(zhàn)術(shù)表現(xiàn)與比賽獲勝的理論模型，合理安排技戰(zhàn)術(shù)訓(xùn)練及比賽策略提供參考借鑒。運用錄像觀察法、數(shù)理統(tǒng)計法及BP神經(jīng)網(wǎng)絡(luò)構(gòu)建乒乓球優(yōu)秀女子單打比賽結(jié)果預(yù)測模型。在此基礎(chǔ)上，利用預(yù)測模型仿真分析新型塑料球時代優(yōu)秀女子乒乓球運動員在不同水平技戰(zhàn)術(shù)組合下的比賽獲勝模式。本文構(gòu)建的預(yù)測模型R為0.978，R2為0.956，平均絕對誤差為0.0085，模型精度達到98.4%；仿真分析1 024種技戰(zhàn)術(shù)段組合結(jié)果可知，568種組合的預(yù)測結(jié)果為獲勝，456種組合的預(yù)測結(jié)果為失敗。結(jié)論：基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的乒乓球優(yōu)秀女子單打比賽結(jié)果預(yù)測模型擬合效果佳，個案實證預(yù)測效果較好，具有較高的預(yù)測性能；新型塑料球時代優(yōu)秀女子運動員在單打比賽中，各技戰(zhàn)術(shù)段之間的補償效應(yīng)因技戰(zhàn)術(shù)段和等級而有所不同，評估總分17分為女子單打比賽勝負的分界點，不同水平技戰(zhàn)術(shù)段組合的比賽評估總分大于17分即可取得比賽勝利，低于17分則會落敗。

關(guān)鍵詞：乒乓球；女子單打；BP神經(jīng)網(wǎng)絡(luò)；預(yù)測模型

中圖分類號：G808文獻標識碼：A文章編號：1008－2808（2024）02－0089－08

Abstract：In order to construct a theoretical model of the technical and tactical performance and competition victory of outstanding female athletes， and reasonably arrange technical and tactical training and competition strategies， it provides reference for reference. Video observation method， mathematical statistics method and BP neural network were used to construct a prediction model for the results of excellent women’s singles matches in table tennis. On this basis， the prediction model is used to simulate and analyze the competition winning mode of outstanding female table tennis players in the new plastic ball era under different levels of technical and tactical combinations. The prediction model R is 0.978， R2 is 0.956， the average absolute error is 0.008 5， and the model accuracy reaches 98.4%. Simulation analysis of 1 024 technical and tactical segment combination results show that the prediction result of 568 combinations is winning， and the prediction result of 456 combinations is failure. Conclusions： The prediction model of table tennis excellent women’s singles match results constructed based on BP neural network has good fitting effect， good case empirical prediction effect， and high prediction performance; In singles competitions of outstanding female athletes in the new plastic ball era， the compensation effect between each technical and tactical segment varies according to the technical and tactical segment and level， and the total evaluation score of 17 points is the cut-off point of the women’s singles match， and the total evaluation score of the combination of different levels of technical and tactical segments is greater than 17 points to win the match， and if it is lower than 17 points， it will lose.

Key words：Table tennis; Women’s singles; BP neural network; Predictive models

運動員的技戰(zhàn)術(shù)表現(xiàn)是影響乒乓球比賽勝負的主導(dǎo)因素，其技戰(zhàn)術(shù)表現(xiàn)與比賽結(jié)果之間存在函數(shù)映射關(guān)系［1］，基于乒乓球比賽的實況數(shù)據(jù)構(gòu)建運動員技戰(zhàn)術(shù)表現(xiàn)與比賽獲勝的理論模型，可實現(xiàn)運動員比賽結(jié)果的準確預(yù)測，有助于安排合理的備戰(zhàn)訓(xùn)練計劃及技戰(zhàn)術(shù)策略，有利于掌握技戰(zhàn)術(shù)的發(fā)展趨勢［2］。隨著乒乓球比賽規(guī)則、器材的多次改革與新型塑料乒乓球的應(yīng)用，乒乓球技戰(zhàn)術(shù)分析領(lǐng)域研究的理論內(nèi)容不斷深化，不同學(xué)者相繼提出“四段指標評估法”“灰色關(guān)聯(lián)分析法”與“定量評價模型”等多種側(cè)重點不一的技戰(zhàn)術(shù)分析評價應(yīng)用方法［3-5］?；仡櫱叭搜芯?，多數(shù)是對于乒乓球比賽中技戰(zhàn)術(shù)運用情況及技戰(zhàn)術(shù)指標與比賽結(jié)果的關(guān)系進行分析，但將理論成果應(yīng)用于比賽結(jié)果預(yù)測的研究相對較少，提前預(yù)測比賽結(jié)果并針對技戰(zhàn)術(shù)的實戰(zhàn)運用給予指導(dǎo)決定了乒乓球技戰(zhàn)術(shù)分析的實踐價值。此外，運動員的競技能力存在波動性，比賽中常利用優(yōu)勢技戰(zhàn)術(shù)彌補弱勢技戰(zhàn)術(shù)，通過運用不同水平的技戰(zhàn)術(shù)組合以取得比賽勝利，當(dāng)前針對此種模式探尋的相關(guān)研究較少。

BP（back propagation）神經(jīng)網(wǎng)絡(luò)作為應(yīng)用最為廣泛的人工神經(jīng)網(wǎng)絡(luò)，是一種基于誤差反向傳播的神經(jīng)網(wǎng)絡(luò)。自1986年由Rumelhart和Mccelland提出后，主要應(yīng)用于預(yù)測模型研究領(lǐng)域，其優(yōu)勢在于通過自組織、自學(xué)習(xí)及自適應(yīng)的過程，從繁雜的數(shù)據(jù)中歸納出本質(zhì)的線性及非線性規(guī)律，為研究對象提供較為可靠的預(yù)測，目前已在廣泛應(yīng)用中解決了體育、教育等領(lǐng)域的實際問題［6-10］?；仡櫹嚓P(guān)研究，BP神經(jīng)網(wǎng)絡(luò)已應(yīng)用于乒乓球研究領(lǐng)域［11-12］，但針對乒乓球技戰(zhàn)術(shù)的研究較少，且部分研究數(shù)據(jù)收集時間跨度大，自2017年12月全面啟用ABS塑料材質(zhì)乒乓球，球體直徑增加至40～40.6mm，ABS塑料乒乓球相較于賽璐璐乒乓球旋轉(zhuǎn)降低約6%［13］，運動員的打法風(fēng)格也適時做出相應(yīng)調(diào)整，故模型指標設(shè)置是否適合評估ABS塑料乒乓球時代的優(yōu)秀女子運動員的技戰(zhàn)術(shù)有待考究；其次，多數(shù)學(xué)者主要關(guān)注于模型性能對比等方面，缺乏對于預(yù)測模型實際驗證與仿真應(yīng)用的相關(guān)研究［14-15］。

本研究旨在基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建乒乓球優(yōu)秀女子單打比賽結(jié)果預(yù)測模型，科學(xué)驗證模型性能，并將其應(yīng)用于新型塑料球時代優(yōu)秀女子乒乓球運動員技戰(zhàn)術(shù)分析中，實證預(yù)測女子單打比賽結(jié)果，探討不同水平技戰(zhàn)術(shù)組合下的比賽獲勝模式，為技戰(zhàn)術(shù)訓(xùn)練及比賽策略制定提供參考借鑒。

1研究對象及方法

1.1研究對象

以乒乓球優(yōu)秀女子單打比賽結(jié)果的預(yù)測模型為研究對象。

1.2研究方法

1.2.1錄像觀察法 從央視體育、國際乒聯(lián)等官方網(wǎng)站選取ABS塑料乒乓球?qū)嵤┮詠恚?018—2021年奧運會、世錦賽及世界杯乒乓球女子單打決賽、半決賽、四分之一決賽的比賽錄像作為錄像分析樣本，經(jīng)過嚴格篩選共37場（188局、3 486分）比賽錄像符合標準，對37場比賽錄像逐局逐分觀察、統(tǒng)計得到本文所需比賽數(shù)據(jù)。錄像觀察指標依據(jù)蔣津君提出的雙系五段評估指標［16］，發(fā)球系統(tǒng)為發(fā)搶段（第一、三板）、第五板；接發(fā)球系統(tǒng)為接搶段（第二、四板）、第六板與相持段（六板后全部擊球回合），計分觀察方法見表1。

1.2.2數(shù)理統(tǒng)計法 依據(jù)雙系五段評估法的理念，統(tǒng)計整理女子單打比賽中五個技戰(zhàn)術(shù)段得分率與獲勝概率，以此作為模型構(gòu)建的數(shù)據(jù)基礎(chǔ)。得分率為段得分/（段得分+段失分）的百分比，獲勝概率為總得分/（總得分+總失分）的百分比。

2優(yōu)秀女子乒乓球單打比賽結(jié)果預(yù)測模型構(gòu)建

2.1BP神經(jīng)網(wǎng)絡(luò)模型

乒乓球作為隔網(wǎng)對抗類項目，其比賽過程中的技戰(zhàn)術(shù)表現(xiàn)直接決定比賽的勝負走向，而得分率是衡量技戰(zhàn)術(shù)表現(xiàn)的最優(yōu)評價參數(shù)［17］。本文基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建優(yōu)秀女子乒乓球單打比賽結(jié)果預(yù)測模型，將X1（發(fā)搶段得分率） 、X2（第五板得分率） 、X3（接搶段得分率） 、X4（第六板得分率） 與X5（相持段得分率）作為BP神經(jīng)網(wǎng)絡(luò)的輸入層指標，比賽結(jié)果Y（獲勝概率）作為輸出層指標。

BP 神經(jīng)網(wǎng)絡(luò)模型優(yōu)勢為非線性映射能力強，具備自學(xué)習(xí)及自適應(yīng)能力。模型包含輸入層、隱含層和輸出層三層拓撲結(jié)構(gòu)，由信號正向傳播和誤差反向傳播兩個過程組成（圖1）。

模型訓(xùn)練過程中，輸入信號通過作用函數(shù)由輸入層向隱含層、輸出層傳播，當(dāng)輸出層無法得到期望的輸出時，通過反向誤差傳播，不斷調(diào)整各層神經(jīng)元的鏈接權(quán)值，直至模型輸出與目標輸出的誤差平方和達到最小值，從而訓(xùn)練出最佳神經(jīng)網(wǎng)絡(luò)模型。

模型輸入層指標為發(fā)搶段、第五板、接搶段、第六板及相持段（X1-X5）的得分率，輸出層指標為獲勝概率（Y），本文依據(jù)比賽數(shù)據(jù)屬性確定網(wǎng)絡(luò)層數(shù)與節(jié)點數(shù)，確立合適的網(wǎng)絡(luò)函數(shù)及模型參數(shù)，BP 神經(jīng)網(wǎng)絡(luò)借助于MATLAB2018a構(gòu)建，訓(xùn)練過程見圖2。

（1）神經(jīng)網(wǎng)絡(luò)層數(shù)確定。BP 神經(jīng)網(wǎng)絡(luò)模型由輸入層、隱含層及輸出層構(gòu)成?；谇叭私?jīng)驗設(shè)置一個隱含層可以滿足本文所涉及的網(wǎng)絡(luò)向量維數(shù)和樣本數(shù)量訓(xùn)練，因此選擇一個輸入層、一個隱含層、一個輸出層構(gòu)建模型。

（2）各層神經(jīng)元節(jié)點數(shù)目設(shè)置。

a.輸入層

樣本維度決定了輸入層的神經(jīng)元節(jié)點數(shù)。參考前人研究選擇各技戰(zhàn)術(shù)段得分率作為模型輸入層的5個神經(jīng)元節(jié)點，即發(fā)搶段、第五板、接搶段、第六板與相持段（X1-X5）。

b.輸出層

輸出層的神經(jīng)元節(jié)點數(shù)，參考前人研究中評估運動員獲勝的常用評價參數(shù)，選擇獲勝概率作為輸出層神經(jīng)元節(jié)點，節(jié)點數(shù)目確定為1。

c.隱含層

隱含層神經(jīng)元節(jié)點數(shù)的設(shè)置顯著影響模型訓(xùn)練結(jié)果，數(shù)目較少擬合效果差，數(shù)目過多導(dǎo)致網(wǎng)絡(luò)過擬合。當(dāng)前并未有較為一致的方法確定隱含層神經(jīng)元節(jié)點數(shù)，因此，本文借鑒應(yīng)用廣泛的經(jīng)驗計算公式，采用多次驗證對比的方法設(shè)置隱含層神經(jīng)元節(jié)點，公式如下：

m=n+l+a

m為隱含層節(jié)點數(shù)，n為輸入層節(jié)點數(shù)，l為輸出層節(jié)點數(shù)，a為1—12之間的常數(shù)。為探尋最優(yōu)神經(jīng)網(wǎng)絡(luò)，反復(fù)訓(xùn)練與測試4—12之間隱含層神經(jīng)元節(jié)點數(shù)的模型，驗證對比不同神經(jīng)網(wǎng)絡(luò)的訓(xùn)練性能。由表2可知，當(dāng)節(jié)點數(shù)設(shè)定為5時，模型的迭代次數(shù)適宜，訓(xùn)練誤差最小，因此模型隱含層節(jié)點數(shù)確定為5。

（3）參數(shù)選取。網(wǎng)絡(luò)訓(xùn)練的最初誤差受神經(jīng)網(wǎng)絡(luò)模型的初始權(quán)值影響，為保證神經(jīng)網(wǎng)絡(luò)的平穩(wěn)性，基于前人研究成果將設(shè)置模型初始權(quán)值范圍為－1～1區(qū)間，權(quán)值選擇－1～1之間的隨機數(shù)。此外，科學(xué)的學(xué)習(xí)速率才能取得適配的權(quán)值系數(shù)調(diào)整量，學(xué)習(xí)速率過慢或過快均會影響訓(xùn)練迭代。綜合考慮數(shù)據(jù)量與模型訓(xùn)練性能，本文選擇較小的學(xué)習(xí)速率0.01，迭代次數(shù)設(shè)置為1 000。

（4）函數(shù)配置。傳遞函數(shù)又稱激活函數(shù)，表達的是神經(jīng)網(wǎng)絡(luò)中各層神經(jīng)元之間的非線性或線性函數(shù)關(guān)系。本文選擇S型正切函數(shù)tansig作為輸入層至隱含層的傳遞函數(shù)，選擇線性函數(shù)Pruelin作為隱含層至輸出層的傳遞函數(shù)。模型訓(xùn)練函數(shù)選定為trainlm函數(shù)，Levenberg－Marquardt優(yōu)化算法（trainlm函數(shù)）是應(yīng)用最多的非線性優(yōu)化算法。L-M優(yōu)化算法優(yōu)勢在于具備對初始值不敏感及最優(yōu)區(qū)間收斂速度快的特點［18］。神經(jīng)網(wǎng)絡(luò)通常以均方誤差（Mse）作為性能函數(shù)，通過檢驗?zāi)Ｐ洼敵鲋蹬c實際值的差異，以此分析模型結(jié)果的可靠性。Mse值越小，表明模型的預(yù)測精度越高，模型目標均方誤差設(shè)置為0.000 1，計算公式如下：

Mse=1N∑ni（yi-Yi）2

式中，N表示樣本量，yi表示輸出值，Yi表示實際值，公式闡述的是模型輸出值與實際值差值平方和的均值。

2.2模型實效檢驗

2.2.1擬合效果分析本研究將37場新型塑料球時代世界優(yōu)秀女子乒乓球運動員單打比賽作為訓(xùn)練樣本輸入MATLAB R2018a，并對數(shù)據(jù)歸一化處理，處理后隨機抽取70%作為訓(xùn)練集，15%用于驗證集，15%用于測試集，運用Levenberg－Marquardt默認算法基于神經(jīng)網(wǎng)絡(luò)擬合工具箱構(gòu)建模型，模型訓(xùn)練誤差見圖3。橫坐標表示迭代次數(shù)，縱坐標表示數(shù)據(jù)集的均方誤差（Mse）。過程可見，模型各數(shù)據(jù)集的均方誤差逐漸降低，趨于平穩(wěn)。通過18輪訓(xùn)練后，神經(jīng)網(wǎng)絡(luò)收斂成功，驗證集的最優(yōu)Mse為0.000 957 2，訓(xùn)練集Mse為0.000 328，表明該模型網(wǎng)絡(luò)訓(xùn)練速度較快，訓(xùn)練效果較好。

圖4為BP神經(jīng)網(wǎng)絡(luò)模型擬合圖，可見各數(shù)據(jù)集的擬合值R均較高，訓(xùn)練集、驗證集、測試集及整體分別為0.981 8、0.976 7、0.977 9與0.977 8，各數(shù)據(jù)點均勻分布在擬合曲線周圍，網(wǎng)絡(luò)輸出數(shù)據(jù)與期望數(shù)據(jù)高度相關(guān)，表明本文構(gòu)建的優(yōu)秀女子乒乓球單打比賽結(jié)果預(yù)測模型擬合效應(yīng)與訓(xùn)練效果較好，具備較強的預(yù)測性能。

2.2.2預(yù)測精度分析為驗證模型預(yù)測精度，隨機導(dǎo)入5場比賽數(shù)據(jù)，得出輸出值與真實值的誤差系數(shù)。其中，平均絕對誤差為模型輸出值與實際值的平均差值，平均相對誤差為模型輸出值與實際值差值所占實際值的百分比，這兩個差值指標越小，表明模型預(yù)測精度越高。由表3可以看出，模型的R值為0.978，R2為0.956，平均絕對誤差與平均相對誤差分別為0.008 5、1.6%，誤差值均較小，表明BP神經(jīng)網(wǎng)絡(luò)整體擬合情況較好，預(yù)測精度高。

3優(yōu)秀女子乒乓球單打比賽結(jié)果預(yù)測模型的仿真應(yīng)用3.1優(yōu)秀女子運動員單打比賽結(jié)果實證預(yù)測

前文構(gòu)建的優(yōu)秀女子乒乓球單打比賽結(jié)果預(yù)測模型擬合效應(yīng)與網(wǎng)絡(luò)訓(xùn)練效果較好，預(yù)測精度較高。為此，以東京奧運會女子團體、單打冠軍陳夢為案例對象，實證仿真其在新型塑料球時代奧運會、世乒賽與世錦賽中的比賽結(jié)果，檢驗預(yù)測模型應(yīng)用情況。陳夢在7場比賽的實際比賽結(jié)果與模型預(yù)測結(jié)果高度一致，各組絕對誤差均小于0.05，最大絕對誤差為0.03，說明模型的實證預(yù)測結(jié)果較為準確，某種程度上說明了預(yù)測模型的科學(xué)性與應(yīng)用性。

雙系五段評估法將乒乓球比賽產(chǎn)生得失分的回合劃分為五個技戰(zhàn)術(shù)段，每個技戰(zhàn)術(shù)段的得分率設(shè)有評估標準［16］（見表5），共分為優(yōu)、良、中（及格）、差（不及格）四個等級，運用預(yù)測模型結(jié)合雙系五段評估標準對陳夢各段得分率進行評估。由表4可見，總體而言，陳夢在第六板（X4）的綜合表現(xiàn)較為優(yōu)秀，7場比賽中有6場表現(xiàn)為優(yōu)秀，而在第五板（X2）的綜合表現(xiàn)相對較差，有三場比賽表現(xiàn)為差（不及格）。針對兩場落敗的比賽進行評估，對陣劉詩雯可見，各技戰(zhàn)術(shù)段表現(xiàn)均一般，整體各段均被對手壓制，其中第五板（X2）與接搶段（X3）表現(xiàn)較差，未來訓(xùn)練時應(yīng)重點提升這兩個段的技戰(zhàn)術(shù)能力，且比賽時應(yīng)針對第五板與第六板制定比賽策略；對陣王曼昱可知，除去發(fā)搶段（X1）與接搶段（X3），陳夢在其他技戰(zhàn)術(shù)段均表現(xiàn)優(yōu)秀，說明兩人整體實力勢均力敵，但發(fā)搶段與接搶段表現(xiàn)太差以至于比賽落敗，未來對陣王曼昱時應(yīng)圍繞發(fā)搶段與接搶段制定有針對性的比賽策略。

3.2優(yōu)秀女子運動員技戰(zhàn)術(shù)段組合仿真分析

現(xiàn)應(yīng)用優(yōu)秀女子乒乓球單打比賽結(jié)果預(yù)測模型，仿真模擬不同等級技戰(zhàn)術(shù)段組合的比賽情況，探討新型塑料球時代優(yōu)秀女子單打比賽制勝技戰(zhàn)術(shù)段組合及最低獲勝分值。依據(jù)雙系五段評估標準，五個技戰(zhàn)術(shù)段，每段優(yōu)、良、中、差四個等級，不同等級分別賦值：優(yōu)（4分）、良（3分）、中（2分）與差（1分），運用數(shù)學(xué)排列法得出1 024種組合。

依據(jù)評估標準將不同等級的下限值（評估標準“差”的下限值為0） 作為數(shù)據(jù)樣本，經(jīng)歸一化處理后導(dǎo)入BP神經(jīng)網(wǎng)絡(luò)模型的輸入層，采用sim仿真函數(shù)模擬1 024種組合的比賽勝負情況，計算每一種組合的評估總分。輸出結(jié)果即為BP神經(jīng)網(wǎng)絡(luò)模擬1 024場優(yōu)秀女子單打比賽的最低獲勝概率及評估總分，部分數(shù)據(jù)結(jié)果見表6?？芍?，本文基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的預(yù)測模型預(yù)測結(jié)果存在波動性，不同等級的技戰(zhàn)術(shù)段組合獲勝概率不同。以0.5（50%）為標準，將獲勝概率在0.5及以上組合的比賽結(jié)果視為取勝，低于0.5視為落敗，將評估總分一致但獲勝概率低于0.5的技戰(zhàn)術(shù)段組合排除，評估總分17分為新型塑料球時代優(yōu)秀女子單打比賽勝負的分界點，當(dāng)運動員的技戰(zhàn)術(shù)段評估總分高于17分時即可獲得比賽勝利，低于17分則會落敗，而等于17分時，只有“中—優(yōu)—優(yōu)—良—優(yōu)”與“差—優(yōu)—優(yōu)—優(yōu)—優(yōu)”等級的技戰(zhàn)術(shù)組合會失敗，其他組合均可獲勝。本文運用預(yù)測模型仿真應(yīng)用所得的技戰(zhàn)術(shù)組合及相對最低獲勝分值具有整體性和相對性，不排除判斷為失敗的技戰(zhàn)術(shù)組合在實戰(zhàn)中有獲勝的可能性。

4分析與討論

4.1優(yōu)秀女子單打比賽結(jié)果預(yù)測模型的應(yīng)用性

本文基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建乒乓球優(yōu)秀女子單打比賽結(jié)果預(yù)測模型，模型擬合效應(yīng)與預(yù)測精度良好，實證預(yù)測結(jié)果與實際比賽結(jié)果高度一致，某種程度上證明了本文所構(gòu)建的優(yōu)秀女子乒乓球單打比賽結(jié)果預(yù)測模型的科學(xué)性與應(yīng)用性。相較于常規(guī)乒乓球技戰(zhàn)術(shù)分析方法，本文構(gòu)建的預(yù)測模型可從乒乓球繁雜的數(shù)據(jù)中歸納出本質(zhì)的線性及非線性規(guī)律，針對研究對象提供較為可靠的比賽結(jié)果預(yù)測，為應(yīng)用于乒乓球技戰(zhàn)術(shù)領(lǐng)域提供了可行性［19- 20］。不同時期的乒乓球運動員，其打法風(fēng)格具有時代特征［21］。當(dāng)前優(yōu)秀女子運動員的技戰(zhàn)術(shù)風(fēng)格更趨同于男子運動員，“技術(shù)全面，特長突出”仍然是優(yōu)秀女子運動員的取勝基礎(chǔ)。基于新型塑料球時代的比賽收集原始數(shù)據(jù)構(gòu)建預(yù)測模型，為模型適用于新型塑料球時代優(yōu)秀女子單打比賽的結(jié)果預(yù)測及技戰(zhàn)術(shù)分析奠定了應(yīng)用基礎(chǔ)，未來可隨著運動員技戰(zhàn)術(shù)實力的變化在原有基礎(chǔ)上輸入最新數(shù)據(jù)，進而獲得能夠反映當(dāng)前優(yōu)秀女子單打比賽結(jié)果的預(yù)測模型，并應(yīng)用于不同運動員或不同比賽階段的預(yù)測分析中。

4.2優(yōu)秀女子乒乓球運動員技戰(zhàn)術(shù)的交互補償效應(yīng)

實證仿真分析結(jié)果可知，新型塑料球時代優(yōu)秀女子乒乓球運動員各技戰(zhàn)術(shù)段之間存在交互補償效應(yīng)，其效應(yīng)因技戰(zhàn)術(shù)段的類別和等級有所不同，如X1-X4技戰(zhàn)術(shù)段的得分率均達到優(yōu)秀標準，無論X5技戰(zhàn)術(shù)段的表現(xiàn)如何，預(yù)測結(jié)果為獲勝，但若X2-X5技戰(zhàn)術(shù)段達到優(yōu)秀標準，X1需達到中（及格）等級才可獲勝，這說明發(fā)搶段對于優(yōu)秀女子運動員取勝仍然尤為重要，且單一技戰(zhàn)術(shù)段實力較為薄弱可由其他較強的技戰(zhàn)術(shù)段彌補，即單一技戰(zhàn)術(shù)段發(fā)揮欠佳，但其他技戰(zhàn)術(shù)段表現(xiàn)出色仍可獲勝。究其原因，新型塑料球旋轉(zhuǎn)降低使得女子比賽的相持段競爭更加激烈，但前三板尤其是發(fā)搶段也擁有更多加質(zhì)量的機會。在發(fā)搶段得分或占據(jù)主動有助于運動員率先建立心理優(yōu)勢，更好的以主動形式進入相持段進而得分。其次，高水平運動員在比賽中的技戰(zhàn)術(shù)發(fā)揮因?qū)κ值母偧急憩F(xiàn)而產(chǎn)生動態(tài)變化［22-23］，如遇到某技戰(zhàn)術(shù)段發(fā)揮較差時，運動員通常會選擇調(diào)整比賽策略，采用較為穩(wěn)健、命中率較高的技戰(zhàn)術(shù)將比賽進程過渡至優(yōu)勢技戰(zhàn)術(shù)段，彌補弱勢技戰(zhàn)術(shù)段的技戰(zhàn)術(shù)表現(xiàn)，進而得分獲取比賽勝利，此結(jié)果驗證了各技戰(zhàn)術(shù)段綜合實力提升的重要性，優(yōu)秀女子運動員實力均衡發(fā)展是比賽獲勝的基本要求［24］。此外，本部分是針對優(yōu)秀女子乒乓球運動員各技戰(zhàn)術(shù)段的總體情況進行分析，研究所得結(jié)果具有整體性和相對性。在實踐中，不同比賽階段及不同技戰(zhàn)術(shù)風(fēng)格運動員的差異性，應(yīng)具體問題具體分析。

5結(jié)論與建議

5.1結(jié)論

（1）基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的乒乓球優(yōu)秀女子單打比賽結(jié)果預(yù)測模型擬合效果佳，個案實證預(yù)測效果較好，預(yù)測精度達到98.4%，具有較高的預(yù)測性能。

（2）新型塑料球時代優(yōu)秀女子運動員各技戰(zhàn)術(shù)段之間具有補償效應(yīng)，效應(yīng)水平受不同技戰(zhàn)術(shù)段和等級的影響而有所不同，評估總分17分為女子單打比賽勝負的分界點，不同等級技戰(zhàn)術(shù)段組合的比賽評估總分大于17分即可取得比賽勝利，低于17分則會落敗。

5.2建議

（1）在乒乓球女子單打比賽過程中，教練員應(yīng)根據(jù)對手打法及個人優(yōu)勢技戰(zhàn)術(shù)段制定技戰(zhàn)術(shù)策略，關(guān)注技戰(zhàn)術(shù)段的交互補償效應(yīng)。運動員在實戰(zhàn)比賽中應(yīng)重視發(fā)搶段的技戰(zhàn)術(shù)發(fā)揮，如遇某一技戰(zhàn)術(shù)段發(fā)揮較差時，可安排較為保守的技戰(zhàn)術(shù)策略，降低此段的失誤率、提升穩(wěn)定性，將比賽進程過渡至優(yōu)勢段彌補弱勢段的技戰(zhàn)術(shù)表現(xiàn)，進而得分獲得比賽勝利。

（2）未來可隨著運動員技戰(zhàn)術(shù)實力的變化在原有基礎(chǔ)上輸入最新數(shù)據(jù)，進而獲得能夠反映當(dāng)前優(yōu)秀女子單打比賽結(jié)果的預(yù)測模型，并應(yīng)用于不同運動員或不同比賽階段的分析中，針對個案球員或關(guān)鍵場次構(gòu)建預(yù)測模型，為有針對性的安排比賽策略提供參考依據(jù)。

參考文獻：

［1］趙佳， 于洋. 世界優(yōu)秀女子乒乓球運動員戰(zhàn)術(shù)能力區(qū)間段特征研究［J］. 首都體育學(xué)院學(xué)報， 2019， 31（3）： 255-260，288.

［2］趙喜迎， 唐建軍. 我國乒乓球比賽技戰(zhàn)術(shù)統(tǒng)計研究熱點述評［J］. 河北體育學(xué)院學(xué)報， 2017， 31（1）： 33-41.

［3］楊青， 張輝. 乒乓球比賽技戰(zhàn)術(shù)“四段指標評估法”的構(gòu)建與應(yīng)用［J］. 天津體育學(xué)院學(xué)報， 2014， 29（5）： 439-442.

［4］趙喜迎， 徐君偉. 基于熵值法和灰色關(guān)聯(lián)分析法的乒乓球技戰(zhàn)術(shù)綜合評價研究［J］. 山東體育學(xué)院學(xué)報， 2020， 36（5）： 96-101.

［5］吉龍龍， 朱航標， 張瑛秋. 我國乒乓球運動員技戰(zhàn)術(shù)分析方法研究述評［C］.第十二屆全國體育科學(xué)大會， 2022： 124-125.

［6］Huang Wenwen， Lu Miaomiao， Zeng Yuxuan，et al. Technical and tactical diagnosis model of table tennis matches based on BP neural network［J］. BMC Sports Science， Medicine and Rehabilitation， 2021， 13（1）： 54.

［7］孫忠偉， 馬永平， 張冰，等. 基于BP人工神經(jīng)網(wǎng)絡(luò)的大學(xué)生最大攝氧量估測模型的構(gòu)建［J］. 北京體育大學(xué)學(xué)報， 2015， 38（11）： 70-75.

［8］曾子明， 黃城鶯. 基于BP神經(jīng)網(wǎng)絡(luò)的突發(fā)傳染病輿情熱度趨勢預(yù)測模型研究［J］. 現(xiàn)代情報， 2018， 38（5）： 37-44，52.

［9］梁姝娜， 張友祥， 王學(xué)稹. 基于BP神經(jīng)網(wǎng)絡(luò)和Logistic模型的中國人均糧食產(chǎn)量預(yù)測研究［J］. 華南師范大學(xué)學(xué)報（社會科學(xué)版）， 2015 （5）： 102-106.

［10］宋愛玲， 劉靜， 李征，等. 基于BP神經(jīng)網(wǎng)絡(luò)的高水平女子100m欄專項成績預(yù)測模型［J］. 首都體育學(xué)院學(xué)報， 2012， 24（3）： 265-267.

［11］李斌， 靳鵬飛， 吳朝暉. 基于S＿Kohonen神經(jīng)網(wǎng)絡(luò)的乒乓球運動識別［J］. 華中科技大學(xué)學(xué)報（自然科學(xué)版）， 2020， 48（3）： 52-56.

［12］季云峰， 黃睿， 施之皓，等. 乒乓球精確旋轉(zhuǎn)、速度及落點數(shù)據(jù)的人工神經(jīng)網(wǎng)絡(luò)模型研究［J］. 上海體育學(xué)院學(xué)報， 2018， 42（6）： 98-103.

［13］林云祥， 李建英， 劉生杰. D40+乒乓球的使用對技戰(zhàn)術(shù)變化的影響——以樊振東為例［J］. 體育研究與教育， 2020， 35（3）： 77-80，96.

［14］楊青， 張輝. BP神經(jīng)網(wǎng)絡(luò)和多元回歸方法在乒乓球技戰(zhàn)術(shù)能力分析中的應(yīng)用［J］. 成都體育學(xué)院學(xué)報， 2016， 42（1）： 78-82.

［15］潘念然， 張峰筠. 基于SPSS和BP神經(jīng)網(wǎng)絡(luò)的乒乓球技戰(zhàn)術(shù)能力分析［J］. 信息與電腦（理論版）， 2022， 34（6）： 105-107，111.

［16］蔣津君， 姚家新. 乒乓球單打比賽技戰(zhàn)術(shù)實力評估體系及其診斷方法的重構(gòu)與應(yīng)用［J］. 天津體育學(xué)院學(xué)報， 2015， 30（5）： 432-437.

［17］趙喜迎. 優(yōu)秀男子乒乓球單打比賽結(jié)果預(yù)測方程研究［J］. 河北體育學(xué)院學(xué)報， 2018， 32（3）： 87-91.

［18］王翠琳， 何其恩. 基于LM算法BP神經(jīng)網(wǎng)絡(luò)的審計重大錯報風(fēng)險識別［J］. 財會月刊， 2012 （21）： 60-62.

［19］修霆喆， 于紅妍， 黃雯妍. 基于BP神經(jīng)網(wǎng)絡(luò)的乒乓球優(yōu)秀女子單打比賽結(jié)果預(yù)測模型構(gòu)建及仿真應(yīng)用［C］. 2022年全國運動訓(xùn)練學(xué)術(shù)研討會， 2022：75.

［20］楊青， 張輝， 徐君偉. BP神經(jīng)網(wǎng)絡(luò)和多元回歸在乒乓球技戰(zhàn)術(shù)能力分析中的應(yīng)用［C］. 2015第十屆全國體育科學(xué)大會， 2015：389-390.

［21］徐君偉. 新球時代男子比賽技戰(zhàn)術(shù)運用特征、成因及發(fā)展趨勢研究［J］. 山東體育學(xué)院學(xué)報， 2018， 34（4）： 119-125.

［22］岳海鵬. 乒乓球戰(zhàn)術(shù)行為策略選擇博弈矩陣的構(gòu)建［J］. 成都體育學(xué)院學(xué)報， 2017， 43（2）： 72-77，88.

［23］張嘉敏， 馮潔， 侯爽，等. 乒乓球比賽技戰(zhàn)術(shù)效果評析模型的構(gòu)建與應(yīng)用［J］. 天津體育學(xué)院學(xué)報， 2020， 35（6）： 740-744.

［24］孔令軒， 丁寧， 吳飛. 備戰(zhàn)2024巴黎奧運會：ABS塑料乒乓球時代世界優(yōu)秀運動員的技戰(zhàn)術(shù)分析［J］. 體育與科學(xué)， 2023， 44（2）： 100-109.