文摘

近年来,职业网球运动员的运动损伤逐渐增加,运动损伤将运动训练系统和影响长期增长的新网球运动员。避免运动员损伤已成为提高培训质量和游戏性能的一个重要因素,确保可持续发展的年轻网球运动员的竞争力。因此,本文将使用RBF神经网络算法和聚类分析方法建立网球运动损伤风险预警模型,最后建立一个网球运动损伤的风险预警系统,网球运动员可以减少伤害。在本文中,我们使用问卷调查法,专家访谈法,数理统计方法和逻辑分析方法调查和分析结果的训练受伤的中国网球运动员和教练。本文中的实验结果表明,在48个不同年龄的网球运动员,参加正式的培训和网球比赛,15个年轻网球运动员受伤的6倍,占总数的31.2%;20人受伤3到6倍,占总数的41.7%;9人受伤几次,占总数的18.8%;4人受伤,占总数的8.3%。在使用了网球运动损伤风险预警系统基于RBF神经网络的算法在移动计算,网球运动损伤率已降至5%。可以看出,该系统具有很高的可行性和实用性。

1。介绍

1.1。背景

目前,年轻网球运动员的竞技训练系统在中国已基本成形,并趋向于标准化和系统化的培训模型。然而,在很长一段时间里,我国竞技网球的发展面临着艰巨的问题,和许多人遭受不同程度的运动损伤。运动损伤的发生破坏了运动训练系统和影响长期增长的新网球运动员。年轻的网球选手必须接受多年的系统的科学训练。同时提高他们的运动能力和身体状况,他们不断地积累比赛经验,逐步提高他们的运动能力,因此成长为优秀的职业网球运动员。长期伤害也给年轻的网球运动员带来沉重的心理负担,减少他们对训练和比赛的渴望和显著减少他们的训练结果。许多优秀的网球选手遭受伤害和疾病在成年期,无法达到良好的运动性能,必须尽快结束自己的运动生涯。因此,运动损伤产生重大影响的专业发展年轻的网球选手,也严重浪费了国家的人力和财力资源。知道如何避免受伤运动员在训练和比赛是非常重要的对于年轻网球运动员提高培训的质量和运动性能,确保其竞争力的可持续发展。移动计算是一个一般术语技术允许人们访问网络服务(数据和计算)不间断地在任何时候,任何地方,在锻炼。 Mobile refers to driving wireless network technology. Computing refers to computing in a network environment.

1.2。意义

年轻的网球运动员培养竞技网球人才的主要力量。他们的饮食和中国网球的未来的希望。运动损伤的发生将会限制年轻网球运动员的竞争力,将会对他们的运动生涯发展产生重大影响。减少或避免运动伤害的年轻运动员是一个非常重要的问题需要解决。本文以青少年网球运动员为研究对象,调查和研究运动损伤的现状,分析了运动损伤的特点及原因的研究结果,总结了一般运动损伤规律,并提出了相应的对策,从教育的观点。研究结果起着重要的作用在预防和减少青少年网球的伤害,改善整体训练水平,提高人才培养的质量,延长运动员的寿命。它还提供了具体的理论参考年轻的网球选手,以便他们能更好地了解损伤的特点,提高保护意识,在训练和比赛,和掌握自卫的能力。教练采用科学训练方法合理地组织和安排训练强度。移动计算提供了强有力的技术支持网球运动损伤风险预警系统。

1.3。相关工作

运动损伤的研究是非常重要的。Vescovi迈尔斯等人怀着极大的兴趣阅读研究和调查工作负载之间的关系和年轻的网球运动员受伤的风险1]。以下,有几个项目已经提到的改善方法透明度和理解的结果。然而,由于实验环境不是封闭的,实验结果有一定的偏差。为了研究运动训练是否对人体产生影响,画等人进行的一项研究表明,训练负荷运动损伤的风险将会增加,但却很少考虑减少运动损伤预防的框架的负担。背后的关键概念训练负荷监控用于防止受伤是在增加屏幕上那些受伤的风险,这样的工作量可以调整来减少这些风险。画等人还描述如何在工作负载管理进步可以作为预防措施。初级预防筛查预加载的风险因素包括低训练负荷训练期间或之前的竞争。二级预防包括筛选前已知的工作负载损伤发展,这样修改可以减轻这种风险。三级预防与康复实践,包括分级培训计划回到减少后续损伤的风险。现在训练负荷和损伤发生率之间的关系可以建立(2]。虽然符合预期在大多数的方向,它没有提到个人身体因素由于外部环境因素。部分地区的天气预报,有错误。运动员是否通常受到跟腱损伤是一个困难的问题。哈桑和拉蒂夫的研究显示,在工业化国家,普遍存在自发破裂增加了。阿基里斯腱炎的最基本的原因是多因素疾病。一些敏感的内部和外部因素归因于这一问题。流行病学研究报告,错位的下肢和生物力学缺陷起到关键作用在三分之二的运动员跟腱损伤。运动员跟腱附着点病变更可能比其他的抱怨者限制脚旋转,距下关节活动度,腿的长度不同,踝关节的运动和限制范围(3]。虽然研究的角度是前瞻性的,仍然存在许多无法实现的部分技术。

1.4。创新

本文的创新如下:(1)尝试使用机器学习算法的RBF神经网络,它主要是用于预测模型建设,构建一个网球运动损伤的预警模型,(2)使用灰色聚类关联分析屏幕网球运动损伤风险,构建一个网球受伤的风险指标体系。

2。对运动损伤的预警水平的评价

本文主要使用RBF神经网络来区分是否运动损伤风险预警级别高,介质,根据输入信息或低,分为三类基于运动损伤风险的大小。移动计算是一种新的技术,随着技术的发展,出现了诸如移动通信、互联网和分布式计算。移动计算技术将使计算机或其它信息智能终端设备在无线环境中实现数据传输和资源共享和传输信息的分布式计算环境下远程服务器,它可以传输有用,准确、及时的信息提供给任何客户在任何时间和任何地点,为用户提供无处不在的移动计算环境中,这将极大地改变人们的生活方式和工作方法。风险预警系统是根据研究对象的特点,通过收集相关数据和信息,监控风险因素的变化趋势,评估偏差的程度从预警行各种风险,决策水平,发出预警信号,并提前预先控制的系统对策。

2.1。RBF神经网络的基本原理

的基本思想RBF(径向基函数)神经网络是使用RBF的“基础”隐藏单位形成了隐层空间(4,5]。隐藏层转换输入载体和表现不佳的数据输入到一维空间(6]。激活函数的RBF神经网络可以表示如下:

其中,RBF神经网络的结构可以得到网络的输出如下: (1)算法的RBF神经网络RBF网络训练的目的是找到最终的重量一个,B,C两层。训练过程分为两个步骤:第一步是无监督学习的培训确定权重一个和B输入层和隐层之间,第二步是监督学习的训练决定隐藏层和输出层之间的差异的重量C。在培训之前,提供输入向量X,相应的目标输出向量Y,径向基函数的宽度B (7,8]。给定的值η和的值迭代终止准确性,其中n是输入层单元的数量,q是输出层单元的数量,p是隐层单元数(1)确定输入向量X: (2)确定的输出向量Y和所需的输出向量o: (3)初始化隐层到输出层的连接权值: (4)中央参数初始化 隐层中的每个神经元(p是隐层神经元的总数): (5)初始化向量宽度 :在哪里宽度调整系数,值小于1,和功能是让每一个隐藏层神经元容易实现感知当地信息的能力,这有利于提高RBF神经网络的局部响应能力(8,9]。(2)计算误差均方根(RMS)的价值网络的输出。如果RMS≤ε培训结束;否则,进入步骤(c)来计算输出层神经元的输出(10]。 (3)迭代计算重量参数。这里,计算重量的方法参数的RBF神经网络被称为梯度分级方法。通过学习,中心、宽度和重量调整参数自适应调整到最佳值(11,12]。迭代计算如下: 在哪里调整之间的重量吗k输出神经元和thjth隐层神经元tth迭代计算,是jth隐层神经元tth输入神经元。在第二次迭代计算的核心组件,是宽度的中心,是学习因素,E是评价函数的RBF神经网络: 在哪里的期望输出值吗kth输出神经元在第一个输入样本,的网络输出值吗k在第一个输入样本(th输出神经元13,14]。

2.2。聚类分析的基本原理

2.2.1。数据预处理

数据预处理包括数量的选择、类型、属性和规模,这取决于函数选择和出口特点。函数选择选择重要功能和特点导出转换输入到新的属性(15]。这些通常是用于获得适当的特性集和组他们避免“大破坏。“数据预处理还包括极端的删除数据。限制数据无关的数据与通用数据行为或模型。因此,极端值通常导致偏差,正确和边缘必须删除组(16,17]。

2.2.2。确定样本之间的距离

在确定样本之间的距离、欧氏距离d通常用于计算。二维和三维空间的欧氏距离是两个点之间的实际距离。计算公式如下:

2.2.3。确定类之间的距离

在确定类之间的距离,well-classified和广泛使用的广场的方法通常是使用。基本思想是将收集n自动样品在一个类。目前,偏差的平方和等于0,然后这一类中减去,也就是说,偏差的平方和将增加每次类别减少,从而减少两类的增加(18,19]。根据偏差的平方和(选择和合并20.]。直到所有样本分为一类,首先计算每个样本的距离的平方到类的意思如下:

然后,计算偏差的平方和的所有的类内样本:

2.2.4。确定集群的数量

这一比率D内的平均距离类和类之间的平均距离是用来确定最优簇数K根据研究问题的实际情况。不同集群数量不同D值。越小D价值,更好的集群,但数量K不应该太大,应该根据实际情况选择。公式计算D值如下:

2.2.5。输出聚类结果

使用分析软件MATLAB或SPSS等来分析上述步骤在实践中,用聚类谱系图表达整个过程类似于树结构图,最后分解聚类谱系图根据确定最优数量的集群。分析和输出最终的聚类结果(21]。

3所示。建立一个早期预警模型网球受伤的风险

3.1。研究对象和研究方法

3.1.1。研究对象

本文以年轻网球运动员的运动损伤在我的国家为研究对象。共有50个年轻网球运动员和10个网球教练从山东省淄博体育学校的四个单位,辽宁省阜新市网球业余体校,辽宁省沈阳兴国网球俱乐部,辽宁省鞍山市体校选为主题的调查。其中,27岁的男运动员,23日是女性运动员;十三至十八他们是岁,平均年龄为15年;网球训练周期是3 - 8年,平均4年;,有两个国家一级运动员,占总数的4%和17个国家二级运动员,占总数的34%。教练指导的平均长度是5年。

3.1.2。研究方法

(1)问卷调查法。为了获得更深入的理解现状,特点,和年轻的网球运动员运动损伤的原因在我的国家,进行问卷调查在50 13 - 18岁的年轻网球运动员和10个网球教练(表1和2)。

本研究设计了“问卷有效性检查表”,在这几位专家被要求评估问卷的结构和内容是否为运动员和教练是完整和有效的。把5水平非常有效,有效,一般,不是非常有效,无效的评估标准

从表可以看出3专家认为,所有问卷的结构是合理的;内容是有效的,满足了设计要求,能反映相应的问题,调查问卷具有较高的效度。

(2)专家访谈法。为了获得洞察现状,规律性,损伤的原因和预防措施的年轻网球运动员的运动损伤和验证相关参数的正确性和科学性的研究,作者一直从事网球教学与训练、体育训练和运动生理学全年。专家、教授们和教练在运动医学等相关学科的采访和调查,综合本文的研究基础。

(3)数理统计。统计已经使用的相关知识;Excel和SPSS软件被用来对数据进行统计和分析后获得的调查;和相关的参考资料和基础论证本研究也被提供。

(4)逻辑分析方法。问卷调查结果的整理和分析,结合年轻网球运动员的生理和技术特征来证明本文的观点。

3.2。系统架构

系统遵循实用性原则、适应性、可扩展性、可靠性和安全性。根据相关信息运动员个人运动训练,它管理田径训练信息随时随地并提供运动损伤风险的早期预警。系统提供田径信息服务用户通过无线局域网和5克。具体操作如下(图拓扑结构1)。

系统使用已部署的web服务器执行关键预警任务。运动员通过无线移动设备发送信息,接收服务和回应。无线移动设备与网络服务器通过无线网络实时提供体育数据查询和运动损伤早期预警。

3.3。Injury-Causing运动损伤的因素

传统上,导致运动损伤的危险因素分为两类:内部和外部(21]。然而,这并不足以解释出现运动损伤的内部和外部因素。为了确定一个完整的模型,运动损伤的机理,各种因素之间的相互作用和事件导致受伤的角色也必须加以考虑。图2是一个统计图的内部损伤因素。

因子分析使用组件方法提取常见因素和提取它们基于属性值大于1。五个主要因素的属性值大于1,(即累计贡献是86.369%。,the 26 initial variables are divided into five main factors), which meets the basic requirements for the total amount of information. It can be seen that the above factors reflect most of the information in the initial variables. Therefore, these five factors have been identified as the main factors affecting the risk factors of tennis injury. Figure3是一个统计图提取的因子分析的结果因子分析。

3.4。选择运动损伤风险因素的评价指标

后建立了风险、风险过滤可以进行以下三个阶段。第一步是场景过滤器;定义的风险场景过滤根据当前用户的责任和利益的制度。这个阶段通常过滤器风险场景基于专业经验。第二阶段是双重标准筛选和评估,并与质量特征和结果的帮助下,剩下的危险场景进一步过滤(22]。在这个阶段,我们需要两个风险的措施,即概率和严重程度。第三阶段是一个多准则评估使用一组n指标,链接的功能风险计划的国防防御系统。这些指标可控性、perceivability多个失效模式,可逆性,影响持续时间、影响重叠,操作环境和设计成熟度(23]。

这种风险过滤方法的三个阶段主要是针对在大规模系统风险问题。的一些指标不适合本文的研究,我们可以总结一些指标适合本文的理论分析网球运动伤害事件。通过采访专家,根据本文的研究要求,指标与可能性、严重性、和可控性被选择来评估他们的运动损伤的危险因素24]。

3.5。运动损伤的风险评估因素的方法

据专家访谈和先前的研究在风险因素由先前的学者,风险因素评估使用等三个指标的组合风险发生,严重程度,可控制性得分。三个指标的分数相乘得到的风险。运动损伤的方法来评估风险因素是房车=P·S·C,P代表风险的发生概率,S代表发生的风险的严重性,C代表的发生风险的可控性和房车代表的风险(25]。

根据定性分析方法,每个因素的风险因素的风险评估,以及评估使用五级定性量化表(表4)。

通过五个风险因素的评估,据悉,在网球运动损伤的成因是体育技术因素、运动生理因素、体育心理因素、运动训练因素,环境因素(26]。

从上面的表可以看出,体育技术因素是导致网球运动伤害事件的最大因素。根据田Maijiu事件组的训练理论,网球事件属于skill-led difficult-to-beauty体育事件的类别。为了创造良好的运动性能,不断创新在运动是困难的,这带来了一个巨大的体育运动员受伤的风险。运动员缺乏理解技术和复杂的动作本身也更有可能导致运动损伤。生理因素是影响网球运动员第二个最重要的因素。在体能和耐力方面,任何运动都有对应的特殊身体健康。在某种程度上,技术的良好的性能需要良好的身体健康。网球事件需要爆发力,绝对力量、力量耐力、运动速度、速度耐力;灵活性、敏捷性、协调性,前庭功能,等等。身体健康所需要的各个方面严格要求是网球运动员。 Failure to achieve specific physical fitness will seriously affect the sports technique. In normal training, it is often the case that learning a certain sports technique causes sports injuries due to insufficient physical fitness. Injuries and heart and lung functions are the factors that affect physiological factors and must be strengthened and improved in a targeted manner. Once the athlete’s psychology has even minor changes (athletes worry, lack of concentration, hesitation in doing actions, and high pressure), it can affect the performance of sports skills and even cause accidents and sports injuries. Therefore, psychological factors are also a major hidden danger that causes sports injuries for tennis players. Sports training has a direct relationship with coaches. A good coach is a magic weapon for athletes to reduce the occurrence of sports injuries. Therefore, we must pay attention to the training ability of coaches and the promotion of theoretical knowledge.

在网球事件,由于可控的外部环境条件,它不直接影响运动员的运动损伤。然而,它也是一个不可或缺的日常任务加强安全检查的地点和场所的监控环境。简而言之,如果网球运动员想减少运动损伤的发生在训练或比赛中,必须充分考虑上述方面,为玩家提供一个良好的安全环境,为我的国家做出贡献的网球生涯。

3.6。运动损伤风险预警过程

运动损伤预警的主要步骤包括模型初始化,属性离散化、属性约简,提取样本,和RBF的学习。具体的过程如图4。

从图4,我们可以知道(1)用动态链模型因子的运动损伤预警因子来确定样本的早期预警和测试示例数据库的运动损伤的风险(2)标识数据危机对应样本库项目;如果不是离散,离散SOM神经网络方法分离因子数据,和离散系数数据后使用SOM神经网络创建一个单独的综合决策表(3)遵循RS理论的简化过程,简化决策表及其功能,提取规则,并创建一个RBF神经网络基于简化的决策表(4)根据简化的决策表,选择相应的运动损伤库中的数据和样本训练的早期预警,直到RBF神经网络收敛和满足精度要求(5)用测试样本数据来确定训练RBF网络的诊断结果是正确的;如果不是,请选择另一个减少导致(3),然后滚动到(4)直到你下载神经网络训练样本库(6)使用训练有素的RBF神经网络评价运动员和提交的相关信息生成正确的风险预警结果

4所示。结果和分析

4.1。年轻网球运动员运动损伤的现状

以下4.4.1。网球损伤的发病率

48个不同年龄的网球运动员的调查得出的结论是,所有48个网球运动员遭受不同程度的运动损伤,损伤率为100%。自参加正式的培训和网球比赛,15个年轻网球运动员受伤的6倍,占总数的31.2%;20人受伤3 - 6次,占总数的41.7%;9人受伤几次,占总数的18.8%;4人受伤,占总数的8.3%(图5)。总共有170人受伤,平均3.5人受伤。它可以得出结论,中国网球运动员运动损伤更常见和应该注意的。

4.1.2。运动损伤的性质

损伤可分为轻度损伤,中度损伤,严重伤害,根据运动损伤后运动能力的损失程度。在48个不同年龄的网球运动员运动损伤,33人轻伤,占总数的68.7%;13中度受伤,占总数的27.1%,,2人重伤,占4.2%。48运动员中,41严重受伤,受伤的占总数的85.4%,和7长期受伤的运动员,受伤的占总数的14.6%。数据显示在图6。

4.2。年轻网球运动员运动损伤的预防措施

通过咨询大量文献对网球运动员的运动损伤预防措施,并根据专家访谈的结果,本文列出了11个年轻网球运动员运动损伤的预防措施的调查问卷,并且每个预防措施被归类为“非常重要”,“重要”、“一般”;这三个层次的影响被教练要求做出评估。评价结果如表所示5。

从表可以看出5的五大预防措施“特别重要”的频率是:提供科学训练和合理的运动负荷的安排,重点加强脆弱的部分的质量培训,提高培训的质量和prematch准备活动,加强专业技术培训和纠正和规范的技术动作,和提高训练和比赛的浓度。参照评价结果,结合的特点,年轻网球运动员的运动损伤和损伤因素,本文详细分析以上五个预防措施从培训的角度。

5。结论

基于分析田径运动损伤的因素,一个智能预警模型提出了基于RBF神经网络。测试的测试库后,RBF神经网络算法取得了较理想的结果,可以提供早期预警的运动损伤的风险。经过许多最近的运动损伤情况下,神经网络模型的准确性RBF神经网络评估。进一步提高。因此,该算法非常适合提醒运动员运动损伤的风险。运动损伤是常见的在年轻的网球选手。根据运动损伤的特点和年轻的网球运动员的损伤因素,可以得出结论,主要措施预防运动损伤提供科学训练和合理的运动负荷,专注于提高训练水平加强脆弱的部分,提高培训和prematch准备活动的质量,加强专业技术培训和纠正和规范的技术动作,和提高训练和比赛的浓度。由于研究时间和资金有限,建立大样本训练数据库仍然是一个困难的任务。这直接影响系统的准确性评估运动员的运动损伤的风险。这是下一步的方向。 Due to the diversity of training data collection and the uncertainty of training time and space, the existing training information management based on a nonmobile computing environment has brought great limitations to users, and it is difficult to achieve real-time training information anytime, anywhere; management; and monitoring.

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突。