基于灰色關(guān)聯(lián)分析的女大學(xué)生800 m跑成績(jī)影響因素分析與模型構(gòu)建

劉 昊

(中南財(cái)經(jīng)政法大學(xué) 體育部，湖北 武漢 430064)

常規(guī)跑步運(yùn)動(dòng)成績(jī)影響分析模型主要使用大數(shù)據(jù)樣本以及統(tǒng)計(jì)學(xué)理論對(duì)運(yùn)動(dòng)成績(jī)進(jìn)行影響分析，模型多為專(zhuān)業(yè)運(yùn)動(dòng)員提供成績(jī)分析服務(wù)，以便減少影響運(yùn)動(dòng)比賽成績(jī)的因素.傳統(tǒng)模型對(duì)女大學(xué)生800 m跑步成績(jī)進(jìn)行分析時(shí)，由于數(shù)據(jù)樣本低，統(tǒng)計(jì)分析不全面，造成影響因素分析準(zhǔn)確率較低以及響應(yīng)時(shí)間較長(zhǎng)的不足[1].針對(duì)上述問(wèn)題，提出基于灰色關(guān)聯(lián)分析的女大學(xué)生800 m跑成績(jī)影響因素分析與模型構(gòu)建.為了保證設(shè)計(jì)分析模型和分析過(guò)程的有效性，設(shè)定女大學(xué)生800 m跑步實(shí)驗(yàn)環(huán)境，使用兩種不同成績(jī)影響分析模型，對(duì)800 m跑步成績(jī)影響因素進(jìn)行分析，實(shí)驗(yàn)結(jié)果表明，提出的影響分析模型以及分析過(guò)程具備極高的有效性.

1 構(gòu)建基于灰色關(guān)聯(lián)的成績(jī)影響分析模型

基于灰色關(guān)聯(lián)成績(jī)影響分析模型的構(gòu)建先確立參考數(shù)列以及分析數(shù)列，由于分析數(shù)列與參數(shù)數(shù)列的量化式不同，因此進(jìn)行數(shù)列無(wú)量綱化處理[2]，計(jì)算灰關(guān)聯(lián)算子以及分析關(guān)聯(lián)算子，完成基于灰色關(guān)聯(lián)的成績(jī)影響分析模型構(gòu)建.

1.1 參考數(shù)列與分析數(shù)列的確立

與男性運(yùn)動(dòng)員相比，影響女大學(xué)生800 m跑步成績(jī)的因素較多，并且影響因素較為復(fù)雜.構(gòu)建成績(jī)影響數(shù)列，將多種影響因素合并到影響數(shù)列中，與標(biāo)準(zhǔn)參考數(shù)列進(jìn)行對(duì)比計(jì)算，此時(shí)成績(jī)影響數(shù)列即作為對(duì)比數(shù)列，又作為參考數(shù)列進(jìn)行對(duì)比分析[3].

其中身體機(jī)能因素還包括：克托萊指數(shù)、馬氏軀干腿長(zhǎng)指數(shù)、維爾維克指數(shù)、勞雷爾指數(shù)以及BMI指數(shù).克托萊指數(shù)是表明身高肥胖程度的指標(biāo)[4]，計(jì)算過(guò)程是：體重與身高的比值再乘以1 000，當(dāng)克托萊指數(shù)大于400或小于330時(shí)，對(duì)女大學(xué)生中長(zhǎng)跑、短跑等運(yùn)動(dòng)成績(jī)具有較大的影響.馬氏軀干腿長(zhǎng)指數(shù)是表明身比例的重要數(shù)據(jù)，計(jì)算過(guò)程為：身高與坐高的差除以坐高再乘以100，馬氏軀干腿長(zhǎng)指數(shù)測(cè)量時(shí)，保證女大學(xué)生水平坐穩(wěn)，小腿與大腿成90°，站立時(shí)軀干成180°自然收縮，但請(qǐng)勿后腰貼靠在墻上[5].馬氏軀干腿長(zhǎng)指數(shù)低于80對(duì)女大學(xué)生中長(zhǎng)跑影響較大，其他因素不變的情況下馬氏軀干腿長(zhǎng)指數(shù)越高，中長(zhǎng)跑比賽成績(jī)?cè)礁?，但馬氏軀干腿長(zhǎng)指數(shù)的提高會(huì)帶來(lái)其他抑制因素的影響，比如身體運(yùn)動(dòng)協(xié)調(diào)性、技巧因素不易掌握等.維爾維克指數(shù)的計(jì)算過(guò)程為：體重乘以胸圍和身高的比值，維爾維克指數(shù)反應(yīng)的是運(yùn)動(dòng)員的身體長(zhǎng)度、寬度、維度、厚度和密度，當(dāng)維爾維克指數(shù)低于80或高于120時(shí)，對(duì)女大學(xué)生800 m跑步成績(jī)有一定的影響.勞雷爾指數(shù)能夠反映運(yùn)動(dòng)型肌肉、機(jī)體骨骼、內(nèi)臟器官以及軟組織的發(fā)育狀況，是人體充實(shí)程度和營(yíng)養(yǎng)狀況的指數(shù).計(jì)算過(guò)程為：體重與身高的三次冪之比乘以107，其中小于106.1或大于154.4時(shí)，會(huì)對(duì)女大學(xué)生運(yùn)動(dòng)成績(jī)?cè)斐芍苯佑绊?

設(shè)女大學(xué)生身體機(jī)能因素?cái)?shù)列為A1，其中克托萊指數(shù)為A11、馬氏軀干腿長(zhǎng)指數(shù)A12、維爾維克指數(shù)A13、勞雷爾指數(shù)A14、BMI指數(shù)A15,那么身體機(jī)能對(duì)比數(shù)列為A1={A11，A12，A13，A14，A15}.

狀態(tài)因素與身體機(jī)能因素不同的是，身體機(jī)能在短時(shí)間內(nèi)為定值，而女大學(xué)生身體狀態(tài)會(huì)受情緒、健康狀態(tài)以及生理狀態(tài)所影響[6].設(shè)女大學(xué)生狀態(tài)因素?cái)?shù)列為A2，其中情緒影響為A21、身體健康狀態(tài)影響為A22，以及生理狀態(tài)為A23，那么身體狀態(tài)對(duì)比數(shù)列為A2={A21，A22，A23}.

環(huán)境因素以及突發(fā)事件因素的影響都是客觀影響因子，環(huán)境因素的影響主要包括：氣候因素、跑步場(chǎng)地因素以及其他環(huán)境條件.突發(fā)事件因素的影響為隨機(jī)影響，包括各種非抗拒性事件，但產(chǎn)生突發(fā)事件的概率較低.設(shè)比賽環(huán)境以及突發(fā)事件數(shù)列為A3，其中室外天氣的影響為A31、受跑步場(chǎng)地影響為A32、其他跑步條件的影響為A33、突發(fā)事件的影響為A34，那么比賽環(huán)境以及突發(fā)事件數(shù)列為A3={A31，A32，A33，A34}.

技巧因素是影響女大學(xué)生800 m跑步成績(jī)的主要因素，其主要包括跑步裝備、跑步前熱身狀態(tài)、正確跑步姿勢(shì)等，設(shè)運(yùn)動(dòng)技巧數(shù)列為A4，其中跑步裝備為A41、跑步前熱身運(yùn)動(dòng)為A42、正確跑步姿勢(shì)為A43、其他為A44，那么比賽環(huán)境以及突發(fā)事件數(shù)列為A4={A41，A42，A43，A44}.則女大學(xué)生800 m跑成績(jī)影響因素對(duì)比數(shù)列如公式1所示.

A={A1,A2,A3,A4}=

(1)

在標(biāo)準(zhǔn)分析情況下，設(shè)置參考數(shù)列B={B1，B2，B3，B4}，同時(shí)保證B1包含在數(shù)列{B11，B12，B13，B14，B15}中，B2包含在數(shù)列{B21，B22，B23}中，B3包含在數(shù)列{B31，B32，B33，B34}中，B4包含在數(shù)列{B41，B42，B43，B44}中.因?yàn)榧现邪罅恐笖?shù)、常數(shù)，因此采用不同算法進(jìn)行對(duì)比.由于量綱不同無(wú)法進(jìn)行直接對(duì)比計(jì)算，為此進(jìn)行數(shù)列無(wú)量綱化處理.

1.2 數(shù)列無(wú)量綱化處理

根據(jù)上文確定的跑步成績(jī)影響數(shù)列，對(duì)因克托萊指數(shù)、馬氏軀干腿長(zhǎng)指數(shù)、維爾維克指數(shù)進(jìn)行計(jì)算，由于計(jì)算單位不同，因此無(wú)法直接進(jìn)行對(duì)比計(jì)算，筆者采用無(wú)量綱化對(duì)數(shù)列進(jìn)行處理[7].對(duì)比數(shù)列為A，設(shè)(xi，yi)∈A，其中i為變量，(xi，yi)代表影響集合的不同子集，對(duì)(xi，yi)的無(wú)量綱化處理方法有閾值法、指數(shù)法、標(biāo)準(zhǔn)化方法、比重法等等.因?yàn)殚撝捣ㄓ?jì)算簡(jiǎn)單，適用于不同數(shù)列的對(duì)比計(jì)，筆者采用閾值法對(duì)數(shù)列進(jìn)行無(wú)量綱化處理.

對(duì)(xi，yi)內(nèi)最佳數(shù)值進(jìn)行確定，設(shè)(xi，yi)內(nèi)最佳數(shù)值為f(x)，以最佳數(shù)值為中心提高或減低一個(gè)單位的成績(jī)，即做f(x±a)，其中包含有n個(gè)單位，那么(xi，yi)的無(wú)量綱化處理等于(xi，yi)內(nèi)的所有影響因素通過(guò)閾值法計(jì)算求和，求和次數(shù)為m，即做：

P(xi,yi)=Pn(x)+Pn+1(x)+...+Pn+m(x)

(2)

單個(gè)影響因素閾值法計(jì)算過(guò)程如下：

(3)

又因?yàn)樵谧罴褦?shù)值f(x)，提高或減低一個(gè)單位的成績(jī)?yōu)閒(x±a)，換算f(x±a)的式如下：

(4)

式中：ζ為灰關(guān)聯(lián)系數(shù).將公式(4)代入公式(3)，將整理后的公式代入公式(2)得到：

得出對(duì)比數(shù)列的無(wú)量綱化數(shù)據(jù)，通過(guò)灰關(guān)聯(lián)算子的計(jì)算，將對(duì)比數(shù)列與參考數(shù)列進(jìn)行對(duì)比分析.

1.3 灰關(guān)聯(lián)算子的計(jì)算與處理

灰關(guān)聯(lián)算子的計(jì)算結(jié)果會(huì)影響對(duì)比數(shù)列的計(jì)算結(jié)構(gòu)和量值的大小.當(dāng)灰關(guān)聯(lián)算子取值較大時(shí)易造成對(duì)比數(shù)列計(jì)算結(jié)果產(chǎn)生正向偏離，如果灰關(guān)聯(lián)算子取值較小，易造成參考數(shù)列結(jié)構(gòu)向負(fù)向偏移，無(wú)論灰關(guān)聯(lián)算子的取值增大還是減小均影響女大學(xué)生跑步成績(jī)影響因素的分析.

灰關(guān)聯(lián)算子的確定主要取決于數(shù)列計(jì)算寬容度、無(wú)量綱化閾值范圍以及參考數(shù)列差.其灰關(guān)聯(lián)算子計(jì)算如公式(5)所示.

Δ=±ζ(k)=

(5)

式中：x0為灰關(guān)聯(lián)算子初始值，t為狀態(tài)變量，ρ為分析條件系數(shù)，P(xi，yi)為數(shù)列無(wú)量綱化處理結(jié)果，同時(shí)根據(jù)數(shù)列無(wú)量綱化處理的量化式，對(duì)灰關(guān)聯(lián)算子進(jìn)行處理，其處理原則如下：

若P(xi，yi)|x0(t)-xs(t)|> |x0(t)+xs(t)|，那么△=ζ(k)，灰關(guān)聯(lián)算子正影響因素分析.

若P(xi，yi)|x0(t)-xs(t)|< |x0(t)+xs(t)|，那么△=-ζ(k)，灰關(guān)聯(lián)算子負(fù)影響因素分析.

通過(guò)參考數(shù)列與比較數(shù)列的確定以及數(shù)列無(wú)量綱化處理，完成女大學(xué)生800 m跑步成績(jī)影響因素的確立，依托灰關(guān)聯(lián)算子的計(jì)算，實(shí)現(xiàn)基于灰色關(guān)聯(lián)成績(jī)影響分析模型的構(gòu)建.

2 成績(jī)影響分析計(jì)算

成績(jī)影響分析過(guò)程使用灰色關(guān)聯(lián)成績(jī)影響分析模型，對(duì)對(duì)比數(shù)列中影響因素?zé)o量綱化處理，判斷出±ζ(k)，對(duì)比參考數(shù)列與對(duì)比數(shù)列，繪制出成績(jī)影響曲線(xiàn)得出相應(yīng)結(jié)論.

2.1 灰色關(guān)聯(lián)分析計(jì)算

根據(jù)對(duì)比數(shù)列的無(wú)量綱化處理得出相關(guān)數(shù)列，代入灰關(guān)聯(lián)算法中，與參考數(shù)列進(jìn)行對(duì)比，女大學(xué)生800 m跑步成績(jī)影響分析流程圖如圖1所示.

圖1 灰色關(guān)聯(lián)分析跑步成績(jī)影響分析流程圖

通過(guò)相關(guān)測(cè)試得出女大學(xué)生的相關(guān)身體機(jī)能條件，分析其身體狀態(tài)，對(duì)其比賽環(huán)境進(jìn)行研判，依托公式(4)進(jìn)行灰關(guān)聯(lián)算子的計(jì)算與處理得出ζ(k).根據(jù)灰關(guān)聯(lián)算子ζ(k)，進(jìn)行對(duì)比數(shù)列與參考數(shù)列的對(duì)比.其計(jì)算公式如公式(6)所示

(6)

式中x為女大學(xué)生800 m跑距離，a11為無(wú)量綱化處理的對(duì)比數(shù)列，V11為其參考數(shù)列，φ為根據(jù)灰關(guān)聯(lián)算子ζ(k)調(diào)整結(jié)果，r為隨機(jī)概率.

2.2 關(guān)聯(lián)曲線(xiàn)的確定與影響因素分析

根據(jù)公式(6)對(duì)不同數(shù)列進(jìn)行計(jì)算，得出女大學(xué)生800 m跑成績(jī)影響曲線(xiàn)如圖2所示.

圖2 女大學(xué)生800 m跑成績(jī)影響曲線(xiàn)圖

從圖中得出女大學(xué)生800 m跑步成績(jī)影響分析狀態(tài).當(dāng)跑步成績(jī)較低時(shí)，主要受身體機(jī)能因素影響，狀態(tài)因素次之.隨著跑步成績(jī)的提高，身體機(jī)能因素影響逐漸降低，技巧因素影響逐漸升高.當(dāng)跑步成績(jī)及格偏下時(shí)，身體狀態(tài)的影響高于身體機(jī)能的影響，同時(shí)比賽環(huán)境以及突發(fā)狀態(tài)因素也非常重要.

3 實(shí)例分析

為了保證筆者構(gòu)建的基于灰色關(guān)聯(lián)分析的女大學(xué)生800 m跑成績(jī)影響因素分析模型的有效性，進(jìn)行仿真模擬實(shí)驗(yàn).實(shí)驗(yàn)過(guò)程中，以不同的女大學(xué)生作為實(shí)驗(yàn)對(duì)象，進(jìn)行跑步影響分析準(zhǔn)確率模擬實(shí)驗(yàn)，對(duì)女大學(xué)生的不同運(yùn)動(dòng)狀態(tài)以及身體機(jī)能進(jìn)行模擬.

3.1 數(shù)據(jù)準(zhǔn)備

為了保證仿真試驗(yàn)過(guò)程的準(zhǔn)確性，對(duì)測(cè)試參數(shù)進(jìn)行設(shè)置，筆者模擬實(shí)驗(yàn)采用不同的女大學(xué)生作為實(shí)驗(yàn)對(duì)象，利用兩種不同的跑步運(yùn)動(dòng)成績(jī)影響分析模型，進(jìn)行測(cè)定分析準(zhǔn)確率的模擬實(shí)驗(yàn)，并對(duì)模擬實(shí)驗(yàn)結(jié)果進(jìn)行分析.由于不同方法中得到的分析結(jié)果與分析方式是不同的，因此，實(shí)驗(yàn)過(guò)程中需要保證實(shí)驗(yàn)環(huán)境參數(shù)的一致.實(shí)驗(yàn)參數(shù)設(shè)置結(jié)果如表1所示.

表1 實(shí)驗(yàn)參數(shù)設(shè)置

3.2 準(zhǔn)確率實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)過(guò)程中，確定模擬的女大學(xué)生運(yùn)動(dòng)成績(jī)?cè)诓煌绊懸蛩嘏c影響環(huán)境的比例，利用兩種不同的跑步運(yùn)動(dòng)成績(jī)影響分析方法，分析其準(zhǔn)確率的變化.在模擬實(shí)驗(yàn)結(jié)果曲線(xiàn)圖中，利用Analysis功能消除模擬實(shí)驗(yàn)室人員操作和模擬仿真計(jì)算機(jī)設(shè)備因素產(chǎn)生的不確定度.針對(duì)不同的女大學(xué)生、不同的跑步運(yùn)動(dòng)成績(jī)影響分析方法，進(jìn)行影響分析準(zhǔn)確率的模擬試驗(yàn).其試驗(yàn)結(jié)果對(duì)比曲線(xiàn)如圖3所示.

圖3 試驗(yàn)結(jié)果對(duì)比曲線(xiàn)圖

實(shí)驗(yàn)對(duì)比結(jié)果顯示，筆者設(shè)計(jì)的基于灰色關(guān)聯(lián)分析成績(jī)影響因素分析方法比常規(guī)跑步運(yùn)動(dòng)成績(jī)影響分析方法確定的因素比例精確高，與模擬量基本吻合，達(dá)到了設(shè)計(jì)要求.女大學(xué)生跑步成績(jī)?cè)?0至100分之間時(shí)，模擬比例為15%～20%，基于灰色關(guān)聯(lián)分析成績(jī)影響因素分析方法(筆者設(shè)計(jì)方法)，通過(guò)灰色關(guān)聯(lián)分析計(jì)算以及模型分析，確定影響因素模擬比例為15%至20%，與實(shí)驗(yàn)?zāi)M量相差小于1%.在模擬女大學(xué)生跑步成績(jī)?yōu)?0至80分之間，本來(lái)設(shè)計(jì)方法與常規(guī)方法，確定影響分析因素較為準(zhǔn)確.當(dāng)女大學(xué)生跑步成績(jī)低于60分時(shí)，模擬影響因素比例快速上升，筆者設(shè)計(jì)方法能夠識(shí)別不同影響因素的變化，而常規(guī)方法能夠分析出影響因素的變化趨勢(shì)，但分析能力分析精度不夠.采用第三方分析軟件進(jìn)行準(zhǔn)確率分析，利用跑步成績(jī)由0至100分區(qū)間的所有影響因素比例，得出筆者設(shè)計(jì)方法影響分析準(zhǔn)確率為99.74%，常規(guī)設(shè)計(jì)方法影響分析準(zhǔn)確率為47.29%，從而得出提出的影響分析方法比常規(guī)分析方法，在女大學(xué)生800 m跑步成績(jī)分析影響準(zhǔn)確率上高52.45%.

3.3 響應(yīng)時(shí)間實(shí)驗(yàn)結(jié)果與分析

設(shè)置女大學(xué)生數(shù)量，根據(jù)相關(guān)體能測(cè)試獲得相關(guān)女大學(xué)生的運(yùn)動(dòng)技能情況，模擬設(shè)置女大學(xué)生的運(yùn)動(dòng)狀態(tài)，以及其他影響因素.利用兩種跑步成績(jī)影響因素分析方法，進(jìn)行響應(yīng)時(shí)間模擬實(shí)驗(yàn).實(shí)驗(yàn)過(guò)程中同樣采用Analysis第三方分析記錄軟件，對(duì)實(shí)驗(yàn)過(guò)程與結(jié)果進(jìn)行記錄與分析，并將結(jié)果顯示在本次實(shí)驗(yàn)對(duì)比結(jié)果曲線(xiàn)圖中.針對(duì)不同的女性大學(xué)生、不同的跑步運(yùn)動(dòng)成績(jī)影響分析方法，進(jìn)行分析響應(yīng)時(shí)間模擬實(shí)驗(yàn).其實(shí)驗(yàn)結(jié)果對(duì)比曲線(xiàn)如圖4所示.

圖4 試驗(yàn)結(jié)果對(duì)比曲線(xiàn)圖

實(shí)驗(yàn)對(duì)比結(jié)果顯示，筆者設(shè)計(jì)的基于灰色關(guān)聯(lián)分析成績(jī)影響因素分析方法累計(jì)響應(yīng)時(shí)間與單次相應(yīng)時(shí)間，均明顯低于常規(guī)跑步運(yùn)動(dòng)成績(jī)影響分析方法.在分析統(tǒng)計(jì)人數(shù)為500人時(shí)，常規(guī)跑步運(yùn)動(dòng)成績(jī)影響分析方法，單次響應(yīng)時(shí)間快速提升.當(dāng)統(tǒng)計(jì)人數(shù)為100人時(shí)，單次性時(shí)間為25 ms；當(dāng)統(tǒng)計(jì)人數(shù)為250人時(shí)，單次性時(shí)間為80 ms；當(dāng)統(tǒng)計(jì)人數(shù)為500人時(shí)，單次性時(shí)間為92 ms.累計(jì)響應(yīng)時(shí)間從0增至1 040 ms，累計(jì)響應(yīng)時(shí)間與單次響應(yīng)時(shí)間均成指數(shù)型上升.當(dāng)統(tǒng)計(jì)人數(shù)超過(guò)500人低于1 000人時(shí)，常規(guī)跑步運(yùn)動(dòng)成績(jī)影響分析方法，單次相應(yīng)時(shí)間保持快速提升；當(dāng)統(tǒng)計(jì)人數(shù)超過(guò)700人時(shí)，單次響應(yīng)時(shí)間超過(guò)100 ms，同時(shí)累計(jì)響應(yīng)時(shí)間超過(guò)10 000 ms.因分析樣本較少分析算法計(jì)算不確定度較高，常規(guī)設(shè)計(jì)方法通過(guò)現(xiàn)有數(shù)據(jù)不斷挖掘處理，造成響應(yīng)時(shí)間過(guò)長(zhǎng).當(dāng)統(tǒng)計(jì)人數(shù)超過(guò)1 000人低于1 500人時(shí)，單次響應(yīng)時(shí)間由110 ms增加至125 ms,累計(jì)響應(yīng)時(shí)間由10 000 ms增加至25 000 ms，即進(jìn)行1 500人統(tǒng)計(jì)需要25 s.當(dāng)統(tǒng)計(jì)人數(shù)超過(guò)1500人到達(dá)2 000人時(shí)，單次響應(yīng)時(shí)間由110 ms突增至200 ms，繼續(xù)呈指數(shù)型增長(zhǎng)，累計(jì)響應(yīng)時(shí)間達(dá)到90 000 ms，即累計(jì)90 s.

基于灰色關(guān)聯(lián)分析成績(jī)影響因素分析方法，整體上分析單次響應(yīng)時(shí)間與累計(jì)響應(yīng)時(shí)間均較低，響應(yīng)時(shí)間較低帶動(dòng)對(duì)800 m跑成績(jī)影響因素的快速分析，且保證良好的影響分析準(zhǔn)確性.當(dāng)統(tǒng)計(jì)人數(shù)低于500人時(shí)，單次響應(yīng)時(shí)間保持高速運(yùn)行，平均低于10 ms，累計(jì)響應(yīng)時(shí)間不超過(guò)80 ms.當(dāng)統(tǒng)計(jì)人數(shù)超過(guò)1 500人到達(dá)2 000人時(shí)，單次響應(yīng)時(shí)間達(dá)到最高40 ms，累計(jì)響應(yīng)時(shí)間達(dá)到1 000 ms，說(shuō)明設(shè)計(jì)的基于灰色關(guān)聯(lián)分析的女大學(xué)生800 m跑成績(jī)影響因素分析模型能快速響應(yīng).

采用第三方分析軟件進(jìn)行響應(yīng)時(shí)間統(tǒng)計(jì)，加權(quán)分析計(jì)算，得出常規(guī)設(shè)計(jì)方法影響分析平均響應(yīng)時(shí)間為112 ms，筆者設(shè)計(jì)方法影響分析平均響應(yīng)時(shí)間為25 ms，從而得出提出該方法比常規(guī)方法的分析響應(yīng)時(shí)間少77.68%.

4 小結(jié)

筆者提出基于灰色關(guān)聯(lián)分析的女大學(xué)生800 m跑成績(jī)影響因素分析與模型構(gòu)建，基于數(shù)列關(guān)系的確定以及無(wú)量綱化的處理，實(shí)現(xiàn)筆者的研究.實(shí)驗(yàn)數(shù)據(jù)表明，筆者設(shè)計(jì)的方法具備極高的有效性.希望筆者的研究能夠?yàn)檫\(yùn)動(dòng)成績(jī)影響因素分析提供理論依據(jù).