帆船運動是靠自然風力作用于船帆,通過運動員操控風帆和調整船體姿態(tài)來保證帆船的高速行駛,是一項集競技、觀賞、探險、娛樂于一體的體育運動項目。帆船比賽受環(huán)境(海風、洋流)、運動員操控技術和航線選擇策略等多方因素的影響,是體能、技能和智慧的綜合較量。若能結合環(huán)境、帆船及人的因素,運用科學方法對帆船運動效果進行分析和預測,用以指導日常訓練和提高比賽成績,這無疑是一項具有理論研究和實際應用價值的課題。由于帆船運動的復雜性、時變性和不確定性,用傳統(tǒng)的運動力學分析方法研究很難精確,真實地描述其運動規(guī)律。本文基于前期《帆船帆板賽場環(huán)境監(jiān)測和運動技術診斷系統(tǒng)開發(fā)》課題研究所獲得的一系列數(shù)據(jù)樣本建立數(shù)據(jù)庫,提出通過數(shù)據(jù)挖掘和機器學習等科學方法建立一種帆船航行速度預測模型,并以此作為預測和評價帆船迎風航行有效速度(Velocity Made Good, VMG)的理論基礎,期望為帆船運動技術診斷提供科學分析方法。帆船運動速度預測可以看作是一個受環(huán)境、帆船及人的因素影響的典型的時間序列預測問題,具有非線性、小樣本的特征。作為一種新型的機器學習方法,支持向量機(Support Vector Machine, S...

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

圖３．８基于ＳＶＭ預測方法與基于ＢＰ預測方法的相對誤差及其絕對值比較??

關于選用的數(shù)據(jù)，這里選用的是２０１３年７月１８日運動員的訓練數(shù)據(jù)，共有８９１??《。對于ＢＰ選用前６２３條作為訓練數(shù)據(jù)，后２６８《作為測試數(shù)據(jù)并與ＳＶＭ的??預測結果進行比較。兩種方法的相對誤差（（預測結果－實際值）／實際值）曲線??與相對誤差的絕對值（Ｉ預測結果－實際值１／實際....

圖3夕船速初始數(shù)據(jù)

每旦大學碩十學位論也于支持向量機的預測實現(xiàn)??帆船船速、船向的回歸預測??試驗的仿真數(shù)據(jù)選用的是２０１３年７月１８日運動員的訓練（數(shù)據(jù)的記錄頻率是１條／秒，一條數(shù)據(jù)中包含的數(shù)據(jù)有船速向，風帆夾角，帆船前后傾角，帆船左右傾角）。這里，我于帆船速度ＳＶＭ回歸預測模型的訓練。圖３．９，....

圖４．６原始船速的變化趨勢

化窗口選用的是３，即將每３秒的數(shù)據(jù)粒化成一個模糊粒子（�；翱诳桑纂S意??選取，并沒有特殊規(guī)定）。這樣，�；罂偣驳玫剑玻梗穫�粒子。帆船船速�；�??的結果如圖４．７所示。發(fā)現(xiàn)�；蟮男蛄凶邉菖c原始數(shù)據(jù)一致，說明�；蟮牧�??子可Ｗ很好的表征原始數(shù)據(jù)。??＿?化招紙１巧姥巧據(jù)（２....

圖４．２０原始船向的變化趨勢

〇?ｉｍ抑直思ｓ單７皿扣０?Ｓｔ?礎。?去?志?直?品?完?立??圖４．２０原始船向的變化趨勢?圖４．２１船向�；蟮淖兓厔�??５８??

本文編號：3951208