基于人工神經(jīng)網(wǎng)絡(luò)的蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型的構(gòu)建與應(yīng)用

王樂軍，王鈺婷，龔銘新，鄒凝祥，俞 華，章曉菁，葉曉東

蹦床是一項(xiàng)集競(jìng)技性、藝術(shù)性、觀賞性和娛樂性為一體的運(yùn)動(dòng)項(xiàng)目，具有“空中芭蕾”的美譽(yù)，屬于技巧類、表現(xiàn)難美性運(yùn)動(dòng)項(xiàng)目，對(duì)運(yùn)動(dòng)員的心理素質(zhì)、空間感覺、力量、柔韌、靈敏、協(xié)調(diào)和節(jié)奏感等諸多能力素質(zhì)都有著非常高的要求。運(yùn)動(dòng)員必須進(jìn)行專門化的訓(xùn)練才能掌握復(fù)雜的蹦床技術(shù)及適應(yīng)該項(xiàng)目對(duì)身體素質(zhì)多方面的要求。因此只有通過科學(xué)合理的運(yùn)動(dòng)訓(xùn)練，才能培養(yǎng)出良好的蹦床競(jìng)技能力，進(jìn)而取得優(yōu)異的成績(jī)。

競(jìng)技能力即指運(yùn)動(dòng)員的參賽能力，由具有不同表現(xiàn)形式和不同作用的體能、技能、戰(zhàn)術(shù)能力、運(yùn)動(dòng)智能和心理能力所構(gòu)成，并綜合地表現(xiàn)于專項(xiàng)競(jìng)技的過程之中。競(jìng)技能力是運(yùn)動(dòng)員比賽成績(jī)最重要的決定因素。在具體的運(yùn)動(dòng)實(shí)踐中，由于運(yùn)動(dòng)員競(jìng)技能力不同，要素之間存在著非常復(fù)雜的聯(lián)系，且各組成要素普遍存在發(fā)展不均衡等問題。因此研究構(gòu)建不同項(xiàng)目、不同運(yùn)動(dòng)員個(gè)體化的競(jìng)技能力結(jié)構(gòu)模型對(duì)于指導(dǎo)運(yùn)動(dòng)員進(jìn)行科學(xué)的針對(duì)性訓(xùn)練意義重大。

當(dāng)前針對(duì)蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)指標(biāo)的研究較少，大多相關(guān)研究?jī)H僅從身體形態(tài)等單一維度對(duì)蹦床運(yùn)動(dòng)員的競(jìng)技能力素質(zhì)進(jìn)行了探討，缺乏對(duì)競(jìng)技能力結(jié)構(gòu)指標(biāo)的綜合探討與評(píng)價(jià)，不能科學(xué)全面地對(duì)蹦床運(yùn)動(dòng)員的競(jìng)技能力進(jìn)行評(píng)價(jià)和診斷。通過前期的調(diào)研發(fā)現(xiàn)，當(dāng)前國(guó)家隊(duì)和各省市蹦床隊(duì)在運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)的評(píng)價(jià)方面缺乏科學(xué)有效的方法，在蹦床運(yùn)動(dòng)訓(xùn)練方法上仍是以網(wǎng)上訓(xùn)練為主的較為單一的訓(xùn)練模式，不能很好地針對(duì)蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)的具體特點(diǎn)進(jìn)行個(gè)性化和針對(duì)性的訓(xùn)練。而目前已有研究人員基于人工智能建模方法對(duì)射擊、網(wǎng)球運(yùn)動(dòng)員的競(jìng)技能力結(jié)構(gòu)診斷評(píng)價(jià)問題進(jìn)行了探索與應(yīng)用，取得了較好的效果。

因此，本研究擬對(duì)蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)的評(píng)價(jià)問題進(jìn)行研究，通過構(gòu)建基于人工神經(jīng)網(wǎng)絡(luò)的蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型，為蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)進(jìn)行個(gè)性化的評(píng)價(jià)與分析，為從理論上科學(xué)認(rèn)識(shí)蹦床運(yùn)動(dòng)的專項(xiàng)特點(diǎn)提供依據(jù)，此外也為指導(dǎo)運(yùn)動(dòng)員的訓(xùn)練實(shí)踐提供科學(xué)化的建議。

1 研究方法

1.1 專家訪談法

對(duì)蹦床項(xiàng)目教練員、裁判員、運(yùn)動(dòng)員和相關(guān)科研人員進(jìn)行訪談，了解蹦床運(yùn)動(dòng)項(xiàng)目的競(jìng)技規(guī)程、運(yùn)動(dòng)員的競(jìng)技能力結(jié)構(gòu)及運(yùn)動(dòng)訓(xùn)練方法等，為獲取蹦床運(yùn)動(dòng)員競(jìng)技能力評(píng)價(jià)初選指標(biāo)體系提供基礎(chǔ)。

1.2 現(xiàn)場(chǎng)調(diào)研法

長(zhǎng)期跟蹤觀察蹦床運(yùn)動(dòng)項(xiàng)目運(yùn)動(dòng)員的訓(xùn)練和比賽情況，并對(duì)日常訓(xùn)練內(nèi)容、訓(xùn)練手段方法進(jìn)行收集和分析，從訓(xùn)練一線了解研究的相關(guān)信息，為蹦床運(yùn)動(dòng)員競(jìng)技能力初選指標(biāo)的制定提供思路和參考。

1.3 實(shí)驗(yàn)測(cè)試法

以上海體操運(yùn)動(dòng)中心16名蹦床運(yùn)動(dòng)員為研究對(duì)象。受試者年齡（14.84±2.73）歲，身高（157.65±7.25）cm，體重（45.06±9.28）kg。所有受試者皆有3年以上的蹦床專項(xiàng)訓(xùn)練經(jīng)歷，其中健將級(jí)運(yùn)動(dòng)員6名，一級(jí)運(yùn)動(dòng)員7名，二級(jí)運(yùn)動(dòng)員3名。

每位受試者分別在2018年1月、2018年8月和2019年3月進(jìn)行3次測(cè)試。對(duì)蹦床運(yùn)動(dòng)員競(jìng)技能力評(píng)價(jià)初選指標(biāo)進(jìn)行測(cè)試，具體測(cè)試指標(biāo)如表1所示。采用皮尺和體重計(jì)對(duì)身體形態(tài)指標(biāo)進(jìn)行測(cè)試。采用秒表、皮尺、縱跳高度測(cè)試儀、坐位體前屈測(cè)試儀等測(cè)試工具對(duì)運(yùn)動(dòng)員的縱跳高度、30 s背肌測(cè)驗(yàn)次數(shù)、坐位體前屈距離、30 s立臥撐次數(shù)、立定跳遠(yuǎn)、60 m加速跑、30 s懸垂舉腿次數(shù)、60 s懸垂舉腿次數(shù)、30 s仰臥兩頭起次數(shù)等身體素質(zhì)指標(biāo)進(jìn)行測(cè)試。在立臂角度測(cè)試時(shí)，受試者靠墻原地站立，軀干貼近墻壁，兩手握桿，距離與肩同寬，手臂伸直，并盡力靠近墻壁，采用量角器測(cè)量手臂與墻壁之間的夾角，即為立臂角度。

表1 蹦床運(yùn)動(dòng)員競(jìng)技能力評(píng)價(jià)初選指標(biāo)Table1 The trampoline athlete competitive ability evaluation primary indicators

在蹦床網(wǎng)上進(jìn)行專項(xiàng)技術(shù)指標(biāo)的測(cè)試。受試者分別進(jìn)行30次最大能力的連續(xù)空跳、一周半空翻和兩周半空翻，共3次測(cè)試。采用8臺(tái)Mars2型號(hào)紅外高速攝像頭的三維運(yùn)動(dòng)捕捉系統(tǒng)（Nokov科技公司生產(chǎn)）對(duì)受試者測(cè)試過程中的運(yùn)動(dòng)學(xué)參數(shù)進(jìn)行采集，獲取網(wǎng)上騰空高度、觸網(wǎng)時(shí)間、30次空跳高度損失率、一周半空翻速度、兩周半空翻速度、入網(wǎng)瞬間立臂角度、入網(wǎng)角度、壓網(wǎng)深度/體重、水平位移等專項(xiàng)技術(shù)指標(biāo)。其中，一周半空翻速度和兩周半空翻速度為所翻轉(zhuǎn)的角度（分別為540°和900°）除以空翻所用時(shí)間，單位為（°）/s。

心理素質(zhì)指標(biāo)的測(cè)試采用問卷調(diào)查法。在運(yùn)動(dòng)員參加重大比賽前夕，對(duì)其發(fā)放《狀態(tài)-特質(zhì)焦慮問卷》（Charles Spielberger于1977年編制，并于1983年修訂），對(duì)受試者的狀態(tài)焦慮水平和特質(zhì)焦慮水平進(jìn)行測(cè)試。每位受試者分別進(jìn)行3次測(cè)試，相鄰2次測(cè)試時(shí)間間隔在半年以上。

1.4 統(tǒng)計(jì)分析法

采用因子分析法對(duì)初選指標(biāo)進(jìn)行篩選，因子提取的方法選擇主成分法，因子提取的標(biāo)準(zhǔn)為：特征值＞1?；谝蜃臃治鲋懈髦笜?biāo)在各公因子上的載荷值，確定各公因子代表性指標(biāo)，最終完成對(duì)初選指標(biāo)的篩選。

1.5 數(shù)學(xué)建模法

以基于因子分析所獲取的競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)指標(biāo)為輸入量，以運(yùn)動(dòng)成績(jī)?yōu)檩敵隽?，?gòu)建Elman人工神經(jīng)網(wǎng)絡(luò)模型。該模型除了輸入層和輸出層，還有一個(gè)特別的隱藏層，稱為狀態(tài)層，該層從普通隱層接收反饋信號(hào)。

本研究以16位受試者的42組數(shù)據(jù)作為學(xué)習(xí)樣本進(jìn)行訓(xùn)練，以6位受試者的另外6組數(shù)據(jù)作為預(yù)測(cè)樣本輸入到已經(jīng)訓(xùn)練過的Elman神經(jīng)網(wǎng)絡(luò)中完成識(shí)別，并將輸出結(jié)果與樣本實(shí)際值進(jìn)行比較。

采用動(dòng)態(tài)反向傳播學(xué)習(xí)算法，即梯度下降法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，目標(biāo)是通過對(duì)網(wǎng)絡(luò)各層權(quán)值調(diào)節(jié)，使樣本輸出與辨識(shí)輸出的均方差達(dá)到最小。

模型基本參數(shù)如表2所示。

表2 Elman人工神經(jīng)網(wǎng)絡(luò)模型參數(shù)Table2 The Elman artificial neural network model parameters

1.6 軟件工程法

在構(gòu)建蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型的基礎(chǔ)上，采用Visual Studio 2008編程開發(fā)環(huán)境和Microsoft Office Acess數(shù)據(jù)庫(kù)管理系統(tǒng)，采用C#編程語言進(jìn)行計(jì)算機(jī)編程，并調(diào)用Matlab人工神經(jīng)網(wǎng)絡(luò)算法，開發(fā)出蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)系統(tǒng)。對(duì)系統(tǒng)進(jìn)行不同模塊的單元測(cè)試及試用，以對(duì)系統(tǒng)中存在的基本問題進(jìn)行修改與完善。

2 結(jié)果與分析

2.1 蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)指標(biāo)體系構(gòu)建研究

競(jìng)技能力結(jié)構(gòu)指標(biāo)反映了特定運(yùn)動(dòng)項(xiàng)目對(duì)競(jìng)技能力的功能要求及要素構(gòu)成特征，為便于對(duì)其進(jìn)行認(rèn)識(shí)和研究，常將其劃分為一級(jí)指標(biāo)和二級(jí)指標(biāo)（有時(shí)也會(huì)因問題復(fù)雜性而進(jìn)一步細(xì)分為更多級(jí)）。從蹦床運(yùn)動(dòng)項(xiàng)目對(duì)人體運(yùn)動(dòng)能力的要求出發(fā)，在查閱大量國(guó)內(nèi)外有關(guān)文獻(xiàn)資料的基礎(chǔ)上，通過與上海市蹦床隊(duì)教練員、運(yùn)動(dòng)員訪談，制定了蹦床運(yùn)動(dòng)員競(jìng)技能力評(píng)價(jià)初選指標(biāo)體系，一級(jí)指標(biāo)包括身體形態(tài)、身體素質(zhì)、專項(xiàng)技術(shù)、心理素質(zhì)4個(gè)方面。在一級(jí)指標(biāo)基礎(chǔ)上，分別列出二級(jí)指標(biāo)（表1）。

在上海體操運(yùn)動(dòng)中心蹦床隊(duì)日常訓(xùn)練和比賽中，對(duì)16名蹦床一、二線運(yùn)動(dòng)員的上述指標(biāo)進(jìn)行測(cè)試，獲得各指標(biāo)數(shù)值。測(cè)試共進(jìn)行2次，時(shí)間間隔6個(gè)月以上。采用因子分析分別對(duì)測(cè)試運(yùn)動(dòng)員的身體形態(tài)、身體素質(zhì)和專項(xiàng)技術(shù)初選指標(biāo)進(jìn)行分析。各因子的納入標(biāo)準(zhǔn)為：特征根＞1。獲得各維度因子分析結(jié)果如表3～5所示。

表3 蹦床運(yùn)動(dòng)員身體形態(tài)測(cè)試指標(biāo)因子分析與命名、指標(biāo)選取結(jié)果Table3 The factor analysis and nomenclature of trampoline athlete′s body shape test index and results of index selection

表4 蹦床運(yùn)動(dòng)員身體素質(zhì)測(cè)試指標(biāo)因子分析與命名、指標(biāo)選取結(jié)果Table4 The factor analysis and nomenclature of trampoline athlete′s physical constitution test index and results of index selection

表5 蹦床運(yùn)動(dòng)員專項(xiàng)技術(shù)測(cè)試指標(biāo)因子分析與命名、指標(biāo)選取結(jié)果Table5 The factor analysis and nomenclature of trampoline athlete′s specific technique test index and results of index selection

蹦床運(yùn)動(dòng)員身體形態(tài)測(cè)試指標(biāo)可分為身體長(zhǎng)度圍度因子和身材比例因子，其中身體長(zhǎng)度圍度因子的代表性指標(biāo)為身高，其他指標(biāo)包括體重、BMI、腿長(zhǎng)。身材比例因子的代表性指標(biāo)為腿長(zhǎng)身高比。

蹦床運(yùn)動(dòng)員身體素質(zhì)測(cè)試指標(biāo)因子包括爆發(fā)力因子、柔韌性因子、腹肌力量因子和靈敏因子。爆發(fā)力因子的代表性指標(biāo)為縱跳高度，此外還包括立定跳遠(yuǎn)、背肌測(cè)試、60 m跑。柔韌性因子包括立臂角度和坐位體前屈，代表性指標(biāo)為立臂角度。腹肌力量因子包括60 s懸垂舉腿和30 s懸垂舉腿，代表性指標(biāo)為60 s懸垂舉腿。靈敏協(xié)調(diào)因子包括立臥撐和仰臥兩頭起，代表性指標(biāo)為立臥撐。

在蹦床運(yùn)動(dòng)中，縱跳高度是影響運(yùn)動(dòng)員成績(jī)的關(guān)鍵因素，充分的空跳高度不僅可以增加成套動(dòng)作的高度分，還為成套動(dòng)作的完成提供更充足的騰空時(shí)間。立臂角度是上海市蹦床隊(duì)教練員在長(zhǎng)期的蹦床專項(xiàng)訓(xùn)練過程中總結(jié)出的指標(biāo)，良好的立臂角度可以減少人體重心與支撐腳連線在網(wǎng)面的偏移量，提高重力壓網(wǎng)面的效率和提高人體在網(wǎng)面的穩(wěn)定性。因蹦床運(yùn)動(dòng)存在大量的快速蹬伸、空中展體等技術(shù)，對(duì)不同動(dòng)作的快速轉(zhuǎn)換具有較高的要求，對(duì)運(yùn)動(dòng)員的腹肌力量和靈敏協(xié)調(diào)性提出較高的要求。60 s懸垂舉腿和立臥撐作為反映腹肌力量和靈敏協(xié)調(diào)性的指標(biāo)，對(duì)于蹦床運(yùn)動(dòng)員的成績(jī)具有較大的影響。

蹦床運(yùn)動(dòng)員專項(xiàng)技術(shù)測(cè)試指標(biāo)因子包括網(wǎng)上速度因子、網(wǎng)性因子、專項(xiàng)技術(shù)因子、網(wǎng)上速度耐力因子。網(wǎng)上速度因子包括騰空高度、一周半空翻速度、兩周半空翻速度，代表性指標(biāo)為騰空高度。網(wǎng)性因子包括空跳高度/原地縱跳高度比、踏網(wǎng)時(shí)間、壓網(wǎng)深度/體重、水平位移，代表性指標(biāo)為空跳高度/原地縱跳高度比。專項(xiàng)技術(shù)因子包括著網(wǎng)瞬間立臂角度和入網(wǎng)角度，代表性指標(biāo)為著網(wǎng)瞬間立臂角度。網(wǎng)上速度耐力因子的代表性指標(biāo)為30次跳高度下降率。

騰空高度是構(gòu)成蹦床總成績(jī)的組成部分，同時(shí)也是影響動(dòng)作質(zhì)量的重要因素，對(duì)于運(yùn)動(dòng)員的最終成績(jī)具有關(guān)鍵的影響作用?？仗叨?原地縱跳高度比反映了運(yùn)動(dòng)員在原地下肢彈跳能力基礎(chǔ)上利用蹦床網(wǎng)面獲取最大騰空高度的能力，體現(xiàn)了運(yùn)動(dòng)員的網(wǎng)性能力，是蹦床運(yùn)動(dòng)員的核心專項(xiàng)競(jìng)技能力。著網(wǎng)瞬間立臂角度反映了運(yùn)動(dòng)員在壓網(wǎng)過程中控制身體姿勢(shì)和調(diào)整人體重心的能力，對(duì)于維持運(yùn)動(dòng)員動(dòng)作穩(wěn)定性和增加運(yùn)動(dòng)員壓網(wǎng)效率都具有重要的影響。此外，由于蹦床比賽需要運(yùn)動(dòng)員連續(xù)完成若干次的預(yù)跳和10次成套動(dòng)作，對(duì)于下肢肌肉耐力具有較高的要求，30次跳高度下降率反映了運(yùn)動(dòng)員的下肢速度耐力，也是構(gòu)成蹦床運(yùn)動(dòng)員競(jìng)技能力的重要指標(biāo)。

此外，在本研究中，狀態(tài)焦慮水平和特質(zhì)焦慮水平也被列為蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)指標(biāo)。焦慮是指?jìng)€(gè)體擔(dān)心不能達(dá)到目的或者不能戰(zhàn)勝困難和障礙時(shí)，感到自尊心受到持續(xù)威脅而形成的一種憂愁緊張并帶有懼怕成分的情緒狀態(tài)。特質(zhì)焦慮是個(gè)體在不同環(huán)境、不同時(shí)間場(chǎng)景中都維持相當(dāng)穩(wěn)定的人格心理特征；狀態(tài)焦慮是指?jìng)€(gè)體在特定環(huán)境中所表現(xiàn)出的焦灼和憂慮狀態(tài)，是個(gè)體依據(jù)情境變化出現(xiàn)暫時(shí)性的、會(huì)隨著時(shí)間發(fā)生波動(dòng)的情緒反應(yīng)。由于蹦床運(yùn)動(dòng)的高失誤率和高危險(xiǎn)性，對(duì)心理焦慮水平的控制能力是影響蹦床運(yùn)動(dòng)員比賽成績(jī)的重要因素，而狀態(tài)焦慮水平和特質(zhì)焦慮水平作為評(píng)價(jià)運(yùn)動(dòng)員焦慮水平的常用指標(biāo)，可以反映蹦床運(yùn)動(dòng)員的心理調(diào)節(jié)能力。

2.2 蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型研究

在確定了蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)指標(biāo)體系的基礎(chǔ)上，以競(jìng)技能力結(jié)構(gòu)各指標(biāo)為自變量，運(yùn)動(dòng)成績(jī)得分為因變量，進(jìn)行全變量線性回歸分析，獲得各指標(biāo)系數(shù)如表6所示。

表6 基于線性回歸分析的各指標(biāo)系數(shù)Table6 The coefficients of each index based on linear regression analysis

最終所確立的線性全回歸模型為：成績(jī)得分=40.781×騰空高度＋3.521×縱跳高度＋16.406×空跳高度/原地縱跳高度比-0.98×狀態(tài)焦慮水平-0.423×特質(zhì)焦慮水平＋0.431×60 s懸垂舉腿-0.285×立臂角度-34.698×30次跳高度下降率-0.068×著網(wǎng)瞬間立臂角度＋23.12×腿長(zhǎng)/身高比＋0.046×腿長(zhǎng)＋0.086×立臥撐-120.315。

從標(biāo)準(zhǔn)化回歸系數(shù)看，因標(biāo)準(zhǔn)化回歸系數(shù)為各指標(biāo)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化后建立的方程，其系數(shù)的絕對(duì)值大小反映了該指標(biāo)對(duì)因變量影響的大小。因此，對(duì)成績(jī)得分影響最大的是網(wǎng)上騰空高度，其次為縱跳高度和空跳高度/原地縱跳高度比。此外，狀態(tài)焦慮和特質(zhì)焦慮水平對(duì)成績(jī)的影響也非常顯著。

為檢驗(yàn)所構(gòu)建模型的預(yù)測(cè)精度，以上海市蹦床運(yùn)動(dòng)員在日常訓(xùn)練和比賽中的數(shù)據(jù)作為樣本，計(jì)算上述競(jìng)技能力結(jié)構(gòu)的12個(gè)指標(biāo)，并帶入模型進(jìn)行計(jì)算，并將預(yù)測(cè)值與實(shí)際值進(jìn)行比較（表7）。線性回歸模型預(yù)測(cè)精度保持在90.84%～98.17%，人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度保持在95.87%～99.37%。

表7 線性回歸模型與人工神經(jīng)網(wǎng)絡(luò)模型測(cè)試樣本實(shí)際值與模型計(jì)算結(jié)果比較Table7 The actual values of linear regression model and artificial neural network model were compared with the calculated results of the model

為比較人工神經(jīng)網(wǎng)絡(luò)模型與線性回歸模型在預(yù)測(cè)精度方面的差異性，以上海市蹦床運(yùn)動(dòng)員在日常訓(xùn)練和比賽中的6組預(yù)測(cè)樣本數(shù)據(jù)為依據(jù)，計(jì)算出預(yù)測(cè)值與時(shí)間值的相關(guān)系數(shù)、平均預(yù)測(cè)精度、最大預(yù)測(cè)精度、最小預(yù)測(cè)精度等指標(biāo)。由表7可知，人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)為0.926，具有高度顯著性相關(guān)關(guān)系。線性回歸模型的預(yù)測(cè)值和實(shí)際值的相關(guān)系數(shù)為0.893，也具有非常顯著的相關(guān)關(guān)系。在預(yù)測(cè)精度方面，人工神經(jīng)網(wǎng)絡(luò)模型也表現(xiàn)出優(yōu)于線性回歸模型的優(yōu)勢(shì)。

2.3 蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)系統(tǒng)研發(fā)

在構(gòu)建蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型的基礎(chǔ)上，采用軟件工程法構(gòu)建蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)系統(tǒng)，實(shí)現(xiàn)運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)的綜合評(píng)價(jià)，并提供歷史數(shù)據(jù)的比較分析等功能。系統(tǒng)總體功能模塊如圖1所示。

圖1 蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)系統(tǒng)總體功能模塊Figure1 The overall function module of trampoline athlete competitive ability structure evaluation system

系統(tǒng)主要菜單包括文件、指標(biāo)、數(shù)據(jù)、模型、工具、幫助6個(gè)部分。系統(tǒng)主界面如圖2所示。

圖2 蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)系統(tǒng)主界面Figure2 The main interface of trampoline athlete competitive ability structure evaluation system

2.4 蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型的應(yīng)用

應(yīng)用所研發(fā)的蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)系統(tǒng)，以上海市一線蹦床運(yùn)動(dòng)員張××2017年的測(cè)試結(jié)果為例，通過人工神經(jīng)網(wǎng)絡(luò)分別計(jì)算張××競(jìng)技能力結(jié)構(gòu)中各指標(biāo)分別提高1%后對(duì)總成績(jī)的影響，如表8所示。

表8 基于張××日常競(jìng)技能力結(jié)構(gòu)數(shù)據(jù)的成績(jī)預(yù)測(cè)Table8 The performance prediction based on the structural data of Zhang××daily competitive ability

騰空高度增加1%對(duì)成績(jī)的影響最大，其次為空跳高度/原地縱跳高度比、狀態(tài)焦慮、特質(zhì)焦慮，其提高幅度都超過了0.1%。而其他指標(biāo)提高1%對(duì)總成績(jī)的影響都小于0.1%。這些預(yù)測(cè)結(jié)果可以為運(yùn)動(dòng)員的針對(duì)性訓(xùn)練提供有價(jià)值的指導(dǎo)意見。

3 結(jié)論

構(gòu)建了蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)指標(biāo)體系，并建立了基于人工神經(jīng)網(wǎng)絡(luò)的蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)模型，模型具有較好的預(yù)測(cè)精度。在此基礎(chǔ)上，開發(fā)了蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)評(píng)價(jià)系統(tǒng)。在諸多競(jìng)技能力指標(biāo)中，網(wǎng)上騰空高度、空跳高度/原地縱跳高度比、縱跳高度、狀態(tài)焦慮和特質(zhì)焦慮水平對(duì)成績(jī)的影響非常顯著。在訓(xùn)練中，可應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對(duì)競(jìng)技能力結(jié)構(gòu)進(jìn)行評(píng)價(jià)，動(dòng)態(tài)獲知競(jìng)技能力結(jié)構(gòu)改變對(duì)總體運(yùn)動(dòng)成績(jī)的影響，對(duì)蹦床運(yùn)動(dòng)員競(jìng)技能力結(jié)構(gòu)的綜合評(píng)價(jià)和針對(duì)性訓(xùn)練可提供科學(xué)性指導(dǎo)意見。