基于BP神經(jīng)網(wǎng)絡的乒乓球技戰(zhàn)術分析系統(tǒng)

王琛

（同濟大學電子與信息工程學院，上海 201804）

基于BP神經(jīng)網(wǎng)絡的乒乓球技戰(zhàn)術分析系統(tǒng)

王琛

（同濟大學電子與信息工程學院，上海 201804）

傳統(tǒng)乒乓球技戰(zhàn)術分析一般基于各項技戰(zhàn)術統(tǒng)計數(shù)據(jù)。針對基礎數(shù)據(jù)缺少進一步分析的特點，提出一個以神經(jīng)網(wǎng)絡模型為基礎的乒乓球技戰(zhàn)術分析系統(tǒng)。對采集的原始數(shù)據(jù)進行篩選、處理、獲得技戰(zhàn)術得分率與使用率，以此作為輸入數(shù)據(jù)，建立三層BP神經(jīng)網(wǎng)絡模型，對輸入數(shù)據(jù)依次進行擾動，通過輸出預測得到對比賽結(jié)果影響較大的技戰(zhàn)術指標。

人工神經(jīng)網(wǎng)絡；三層BP模型；技戰(zhàn)術預測

0 引言

乒乓球運動是全世界范圍內(nèi)最受歡迎的隔網(wǎng)對抗運動項目之一。其特點是門檻低、對不同年齡段的人群都有較高的參與度。但是，如同絕大多數(shù)其他隔網(wǎng)運動一樣，對高水平運動員之間的技戰(zhàn)術要求較高。作為傳統(tǒng)的奧運會比賽項目，技戰(zhàn)術是制勝的核心因素，各國對乒乓球比賽技戰(zhàn)術分析領域的理論研究與應用也非常廣泛。

乒乓球技戰(zhàn)術分析主要分為兩類，一類是基于傳統(tǒng)的描述性的統(tǒng)計分析，由于其指標簡單，便于運動員、教練員理解。目前傳統(tǒng)乒乓球技戰(zhàn)術分析較多，缺少對基礎數(shù)據(jù)的進一步的分析[1]。

另一類是利用現(xiàn)代計算機算法，如人工神經(jīng)網(wǎng)絡、數(shù)據(jù)挖掘、決策樹、粗糙及理論等人工智能技術對乒乓球比賽進行技戰(zhàn)術分析[2]。

人工神經(jīng)網(wǎng)絡以其處理樣本大、指標多呈現(xiàn)強大的優(yōu)勢及其所具有的自學習能力而有著廣泛應用[3]。本文開發(fā)了一個以神經(jīng)網(wǎng)絡模型為基礎的乒乓球技戰(zhàn)術分析系統(tǒng)，利用人工神經(jīng)網(wǎng)絡強大的自學習功能建立了乒乓球比賽技戰(zhàn)術診斷模型幫助教練員、運動員制定有效的戰(zhàn)略戰(zhàn)術。對采集的原始數(shù)據(jù)進行篩選、處理、獲得技戰(zhàn)術得分率與使用率，以此作為輸入數(shù)據(jù)，建立三層BP神經(jīng)網(wǎng)絡模型，對輸入數(shù)據(jù)依次進行擾動，通過輸出預測得到對比賽結(jié)果影響較大的技戰(zhàn)術指標[4]。

1 神經(jīng)網(wǎng)絡建模

1.1 模型基礎

圖1

人工神經(jīng)網(wǎng)絡是一種仿生學設計，神經(jīng)網(wǎng)絡是解決非線性復雜問題強有力的工具，是一種模仿生物神經(jīng)網(wǎng)絡的結(jié)構和功能的模型，常用來對輸入輸出間的復雜關系進行建模研究[5]。

BP神經(jīng)網(wǎng)絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事先揭示描述這種映射關系的數(shù)學方程。它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡的權值和閾值，使網(wǎng)絡的誤差平方和最小[6]。BP神經(jīng)網(wǎng)絡模型拓撲結(jié)構包括輸入層（input layer）、隱層（hidden layer）和輸出層（output layer），采用3層BP（Back-Propogation）模型。其中輸入層節(jié)點個數(shù)為24，隱含層節(jié)點個數(shù)為31。

（1）輸入?yún)?shù)

傳統(tǒng)的乒乓球比賽技戰(zhàn)術主要分為擊球技術、旋轉(zhuǎn)類型、擊球位置等。其中，擊球技術包含“發(fā)球”、“弧圈”、“快攻”、“扣殺”、“挑打”、“劈長”、“擺短”、“擋球”、“削球”、“吊球”、“放高球”等。旋轉(zhuǎn)類型又包含“強上旋”、“中上旋”、“不旋轉(zhuǎn)”、“中下旋”、“強下旋”等。

對于可能存在的某項技術得分率較高而使用率較低這一實際問題，綜合采用得分率和使用率兩個角度來研究。

乒乓球作為隔網(wǎng)運動，關注來回球之間的關系，因此本文重點選取了來回球中24組技戰(zhàn)術的得分率和使用率作為指標參數(shù)，作為神經(jīng)網(wǎng)絡的輸入?yún)?shù)。

具體的輸入?yún)?shù)的選取如下：

表1

（2）輸出參數(shù)

單打比賽以單人技戰(zhàn)術進行統(tǒng)計，雙打比賽以綜合兩人技戰(zhàn)術進行統(tǒng)計。對于選取的24項輸入項依次進行擾動，得到24個模擬后輸出的預測值。

（3）模型使用算法

其中輸入層層數(shù)為1層，隱含層層數(shù)為1層，輸出層層數(shù)為1層。

其中輸入層與隱含層神經(jīng)元之間的傳遞函數(shù)取非線性的S函數(shù)tansig（n），輸出層神經(jīng)元與隱含層神經(jīng)元之間的傳遞函數(shù)取線性函數(shù)purelin（n）（也即f（x）= x）。

為了使模型具有較快的收斂速度和較高的穩(wěn)定性，采用了gradient-descent back propogation梯度下降反向傳播算法。

1.2 模型預測

確定已建好的神經(jīng)網(wǎng)絡診斷模型精度，運用該模型模擬隊員的實際比賽過程。通過該模型改變各項組合指標值，重新計算獲勝率，將錯誤率控制在1%之內(nèi)。從而得到這些組合技術指標影響比賽獲勝的權重值。

2 數(shù)據(jù)分析方法

根據(jù)組合技術指標增量計算公式，分24次依次擾動某一項技戰(zhàn)術的指標值，同時保持其他輸入指標值不變，將其輸入神經(jīng)網(wǎng)絡訓練模型中，重新計算比賽獲勝概率的仿真值。計算得到的仿真值與真實比賽獲勝概率之值為該項技戰(zhàn)術的權重值，其絕對值越大，表明該項技戰(zhàn)術指標對比賽獲勝概率的影響就越大。計算擾動值的公式如下：

公式用來計算提高或減少某一項技戰(zhàn)術指標值的幅度，其中X是技戰(zhàn)術統(tǒng)計指標值，Z是擾動值。為了保證輸入值的合法性，當擾動值小于0.5，則輸入值A= X+Z；當擾動值大于0.5，則輸入值A=X-Z。

3 實驗結(jié)果

應用診斷模型對郭躍vs.李佳薇的單打比賽（以2007年3月25日公開賽）為例，對各項技戰(zhàn)術進行擾動后的預測結(jié)果如下（數(shù)據(jù)經(jīng)*10^10等比放大）：

圖2 郭躍預測結(jié)果

通過預測，對于運動員郭躍，為了提高比賽獲勝概率，可以重點關注以下三項技戰(zhàn)術的效率:接發(fā)球得分率、挑打-弧圈得分率、發(fā)球-劈長使用率。

4 結(jié)語

對于一場已經(jīng)完成的比賽,建立3層BP模型，對乒乓球比賽統(tǒng)計數(shù)據(jù)進行技戰(zhàn)術分析,依次選取24項關注的技戰(zhàn)術輸入指標進行擾動,通過神經(jīng)網(wǎng)絡模型輸出擾動后的預測結(jié)果，即各項技戰(zhàn)術指標對比賽獲勝概率影響程度的排序,研究結(jié)果可為乒乓球比賽運動員和教練員提供理論參考。

[1] 徐君偉,孫荑茜,唐建軍,等.我國乒乓球技戰(zhàn)術分析理論與方法的研究熱點與展望[J].南京體育學院學報,2014.13（4）:11～16

[2] 肖毅,張輝.中國乒乓球隊奧運攻關研究報告——基于人工神經(jīng)網(wǎng)絡的乒乓球比賽診斷模型研究[J].體育科研,2008，29（6）:19～22

[3] 王學武,譚得健.神經(jīng)網(wǎng)絡的應用與發(fā)展趨勢[J].計算機工程與應用,2003，39（3）:98～100,113

[4] 虞麗娟,張輝,凌培亮等.乒乓球比賽技戰(zhàn)術分析的系統(tǒng)研究與應用[J].上海體育學院學報,2008，32（6）:39～43

[5] Daichi Hasumi,Eiji Kamioka.A Considerate Application Prediction System with Artificial Neural Network,Procedia Computer Science [J]，2014.35:1547～1556

[6] Mark Pfeiffer,Andreas Hohmann.Applications of Neural Networks in Training Science.Human Movement Science[J],31（2）:344～359

[7] 王永梅,張輝.基于人工神經(jīng)網(wǎng)絡的乒乓球技戰(zhàn)術分析與診斷模型研究[C].第8屆全國體育科學大會論文集,2007

A Table Tennis Technicaland Tactical Analysis System Based on Back-Propagation Artifical Neural Network

WANG Chen
（Department of Electronic and Information Engineering,Tongji University,Shanghai 201804）

The traditional table tennis technical and tactical analysis is based on the various technical and tactical statistics,lacking further analysis of primary data.Develops a table tennis technical and tactical analysis system based on themodel of artifical neural netowork.The system filters and dealswith the primary data to obtain the technical and tactical usage rate and scoring rate as the input data for the three-tier back-propogation artifcal neural network model.Then implements a disturbance on each item of the input data to get the result of the most influencing estimated data to guide table tennis games.

Artificial Neural Network;Three-Tier Back-Propagation Model;Technical and Tactical Prediction

1007-1423（2015）07-0006-03

10.3969/j.issn.1007-1423.2015.07.002

王?。?990-），男，上海人，在讀碩士研究生，研究方向為神經(jīng)網(wǎng)絡

2015-02-15

2015-03-01