靜態(tài)姿勢(shì)評(píng)估在高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防中的應(yīng)用

朱 磊

(蕪湖職業(yè)技術(shù)學(xué)院 體育教學(xué)部，安徽 蕪湖 241003)

高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)會(huì)導(dǎo)致脊柱、骨盆、踝關(guān)節(jié)、肩部關(guān)節(jié)損傷，嚴(yán)重時(shí)甚至?xí)?dǎo)致無法活動(dòng)。需要構(gòu)建優(yōu)化的高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防參數(shù)分析模型，結(jié)合對(duì)靜態(tài)參數(shù)和大數(shù)據(jù)分析方法，實(shí)現(xiàn)對(duì)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防參數(shù)評(píng)估，提高高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防效果[1]。

對(duì)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷的預(yù)防是建立在對(duì)運(yùn)動(dòng)員參數(shù)分析的基礎(chǔ)上，結(jié)合對(duì)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷參數(shù)分布，采用身體控制力分析，減少運(yùn)動(dòng)員的體能消耗，提升高強(qiáng)度籃球訓(xùn)練中身體平衡性和協(xié)調(diào)性，提高高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防能力，結(jié)合融合聚類方法，實(shí)現(xiàn)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷資源優(yōu)化調(diào)度[2]。構(gòu)建高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防的評(píng)估模型，使各種信息相互融合，從而提高高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防的量化評(píng)估能力。提出的基于靜態(tài)姿勢(shì)評(píng)估在高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防方法，采用靜態(tài)姿勢(shì)評(píng)估方法建立高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷融合和自動(dòng)化評(píng)價(jià)的參數(shù)分析模型[3]，采用統(tǒng)計(jì)回歸分析方法，構(gòu)建高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷融合的大數(shù)據(jù)分析模型，結(jié)合對(duì)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷融合大數(shù)據(jù)參數(shù)分析結(jié)果，根據(jù)對(duì)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷的狀態(tài)參數(shù)分析結(jié)果，采用加權(quán)分析的方法，進(jìn)行高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防信息的自適應(yīng)重組，實(shí)現(xiàn)對(duì)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷的量化分析。最后進(jìn)行數(shù)據(jù)測(cè)試分析，展示了本研究所使用的方法在提高高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防效果方面的優(yōu)越性能。

1 高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防的量化參數(shù)分析

建立靜態(tài)姿勢(shì)評(píng)估大數(shù)據(jù)分析模型下高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防參數(shù)分析模型，采用統(tǒng)計(jì)回歸分析，設(shè)定置信度，分析高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷的約束分布[4]，得到高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防的靜態(tài)姿勢(shì)參數(shù)約束變量如表1所示。

表1 高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷約束變量參數(shù)分布

續(xù) 表

根據(jù)表1的參數(shù)分布，結(jié)合訓(xùn)練的活動(dòng)參數(shù)分析，建立靜態(tài)姿勢(shì)評(píng)估大數(shù)據(jù)分析模型下高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防解析模型[5]，得到高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防的原意支持度分布水平如圖1所示。

圖1 高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防的原意支持度分布水平

采用優(yōu)化得分的評(píng)價(jià)系統(tǒng)構(gòu)建方法，結(jié)合統(tǒng)計(jì)分析和大數(shù)據(jù)處理技術(shù)，進(jìn)行高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防控制和信息傳輸模型，得到高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷的靜態(tài)姿勢(shì)評(píng)估的評(píng)分指數(shù)分布如表2所示。

表2 高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷的靜態(tài)姿勢(shì)評(píng)估的評(píng)分指數(shù)分布

續(xù) 表

根據(jù)參數(shù)融合和擬合分析，得到高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷指數(shù)分布曲線如圖2所示。

圖2 高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷指數(shù)分布曲線

2 高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷的靜態(tài)姿勢(shì)評(píng)估

根據(jù)圖2的高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷指數(shù)分布曲線，采用關(guān)聯(lián)特征分解方法進(jìn)行高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防的自適應(yīng)重組[6]，得到高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷評(píng)估的模糊度函數(shù)為：

(1)

其中，ε為自適應(yīng)環(huán)境參數(shù)調(diào)節(jié)常數(shù)，a為運(yùn)動(dòng)損傷關(guān)聯(lián)系數(shù)，b為運(yùn)動(dòng)損傷自適應(yīng)特征，c為運(yùn)動(dòng)損傷置信度。建立基于三維特征分布式解析，采用灰色關(guān)聯(lián)分析，得到高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷的參數(shù)分布為：

(2)

其中，σ為表示高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷評(píng)估的模糊度隸屬函數(shù)。采用梯度解析，求得高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷有效評(píng)估的統(tǒng)計(jì)特征量為：

(3)

用量化回歸分析方法，得到高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防的大數(shù)據(jù)關(guān)聯(lián)特征分解描述為：

(4)

式中，Pi(i=1,2,...,n)表示i=1,2,...,n個(gè)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防特征分類屬性集，I分別為可靠性評(píng)價(jià)系數(shù)。結(jié)合靜態(tài)姿勢(shì)評(píng)估，采用權(quán)重分析，得到高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷評(píng)價(jià)的模糊迭代函數(shù)：

(5)

由此得到高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防特的可靠性評(píng)價(jià)數(shù)學(xué)模型：

(6)

式中：g為高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防特征分布刻度；t為關(guān)聯(lián)特征匹配變量；x、y、z為空間坐標(biāo)；kx、ky、kz為x、y、z參考分布空間高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷滲透系數(shù)；v為高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防評(píng)價(jià)項(xiàng)；h為約束自變量；δ為匯源項(xiàng)；J為高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防特征信息融合區(qū)域；l為可靠評(píng)價(jià)模糊度系數(shù)。根據(jù)上述分析，建立高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防的靜態(tài)姿勢(shì)估計(jì)模型[7]。

3 實(shí)證分析結(jié)果測(cè)試

在上述評(píng)估模型和算法設(shè)計(jì)基礎(chǔ)上，構(gòu)建高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷融合的大數(shù)據(jù)分析模型，結(jié)合對(duì)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷融合大數(shù)據(jù)參數(shù)分析結(jié)果，根據(jù)對(duì)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷的狀態(tài)參數(shù)分析結(jié)果，采用加權(quán)分析法，采用SPSS14.0統(tǒng)計(jì)分析軟件，進(jìn)行高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防信息的自適應(yīng)重組[8-9]，得到不同姿態(tài)姿勢(shì)變化模式下的姿勢(shì)特征參數(shù)估計(jì)，結(jié)果如表3所示。

表3 不同姿態(tài)姿勢(shì)變化模式下的姿勢(shì)特征參數(shù)估計(jì)結(jié)果

根據(jù)表3的參數(shù)測(cè)量結(jié)果，分析在不同強(qiáng)度訓(xùn)練下的肌肉拉傷水平，訓(xùn)練強(qiáng)度從大到小分為4等，如圖3所示。

(a)訓(xùn)練強(qiáng)度1 (b) 訓(xùn)練強(qiáng)度2

(c)訓(xùn)練強(qiáng)度3 (d) 訓(xùn)練強(qiáng)度4圖3 不同訓(xùn)練強(qiáng)度下的拉傷水平

分析圖3得知，隨著訓(xùn)練強(qiáng)度的增大，受傷的概率增大，且具有顯著性，取35位受測(cè)對(duì)象，得到不同訓(xùn)練強(qiáng)度下各個(gè)受測(cè)對(duì)象的訓(xùn)練運(yùn)動(dòng)損傷率分布如表4所示。

表4 不同訓(xùn)練強(qiáng)度下各個(gè)受測(cè)對(duì)象的訓(xùn)練運(yùn)動(dòng)損傷率分布

續(xù) 表

分析表4得知，通過調(diào)整靜態(tài)姿勢(shì)，能有效預(yù)防運(yùn)動(dòng)損傷、降低損傷率、實(shí)現(xiàn)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防，測(cè)試姿態(tài)評(píng)估精度如表5所示，分析得知，本測(cè)試損傷恢復(fù)效果，得到結(jié)果如圖4所示。分析得知，本研究所使用的方法進(jìn)行高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防的可靠性較好，預(yù)測(cè)評(píng)價(jià)的精度較高，提高了損傷恢復(fù)的效果。

表5 姿勢(shì)評(píng)估精度

圖4 損傷恢復(fù)效果

4 結(jié)語(yǔ)

結(jié)合對(duì)靜態(tài)參數(shù)和大數(shù)據(jù)分析方法，實(shí)現(xiàn)對(duì)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防參數(shù)評(píng)估，提高高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防效果。采用統(tǒng)計(jì)回歸分析，設(shè)定置信度，分析高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷的約束分布，采用SPSS14.0統(tǒng)計(jì)分析軟件，進(jìn)行高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防信息的自適應(yīng)重組，構(gòu)建不同姿態(tài)姿勢(shì)變化模式下的姿勢(shì)特征參數(shù)估計(jì)模型。分析得知，本研究所使用方法對(duì)高強(qiáng)度籃球訓(xùn)練運(yùn)動(dòng)損傷預(yù)防的可靠性較好，置信度較高。