發(fā)布時(shí)間：2018-09-12 17:09

【摘要】：對(duì)劇烈運(yùn)動(dòng)中身體易損傷部位進(jìn)行準(zhǔn)確預(yù)測(cè),可以有效避免運(yùn)動(dòng)員在激烈運(yùn)動(dòng)中造成的身體傷害。進(jìn)行身體易損傷部位預(yù)測(cè)時(shí),需要建立在劇烈運(yùn)動(dòng)時(shí)幅度與運(yùn)動(dòng)損傷關(guān)系精確分析的基礎(chǔ)上,而傳統(tǒng)方法依據(jù)運(yùn)動(dòng)中易損傷身體部位變量的模糊性進(jìn)行提取組建模糊評(píng)判預(yù)測(cè)標(biāo)準(zhǔn),完成易損部位檢測(cè),但無(wú)法精確地描述出運(yùn)動(dòng)員在劇烈運(yùn)動(dòng)時(shí)幅度與運(yùn)動(dòng)損傷關(guān)系,存在預(yù)測(cè)誤差大的問(wèn)題。提出一種基于多元線性回歸的劇烈運(yùn)動(dòng)中身體易損傷部位預(yù)測(cè)建模方法。上述模型先描述運(yùn)動(dòng)員在激烈運(yùn)動(dòng)時(shí)易對(duì)機(jī)體造成損傷的因素,計(jì)算出身體易損傷部分和運(yùn)動(dòng)幅度間屬性關(guān)系,得到劇烈運(yùn)動(dòng)中易損傷身體部位樣本回歸函數(shù),然后組建劇烈運(yùn)動(dòng)中易損傷身體部位預(yù)測(cè)模型,融合于多元回歸理論對(duì)該模型進(jìn)行驗(yàn)證,得到模型的置信程度,組建成最優(yōu)劇烈運(yùn)動(dòng)中身體易損傷部位預(yù)測(cè)模型。仿真結(jié)果表明,所提模型可以精確地對(duì)劇烈運(yùn)動(dòng)中身體易損傷部位進(jìn)行預(yù)測(cè)。
[Abstract]:The accurate prediction of the vulnerable parts of the body during strenuous exercise can effectively avoid the physical injury caused by the intense exercise. In predicting the vulnerable parts of the body, it is necessary to base on the accurate analysis of the relationship between the amplitude of intense exercise and the injury of exercise. However, the traditional method is based on the fuzzy of the variable of the vulnerable body part in the exercise to construct the fuzzy judgment prediction standard and complete the detection of the vulnerable part, but can not accurately describe the relationship between the amplitude of the athlete and the sports injury in the intense exercise, but the traditional method can not accurately describe the relationship between the amplitude and the sports injury. There is the problem of large prediction error. A multivariate linear regression based modeling method for predicting the vulnerable parts of the body in strenuous exercise is proposed. The above model first describes the factors that cause injury to the body during intense exercise, calculates the attribute relationship between the vulnerable part of the body and the range of movement, and obtains the regression function of the sample of the vulnerable body part in the violent exercise. Then the prediction model of the vulnerable body parts in violent exercise is established, and the model is verified by multivariate regression theory, and the confidence degree of the model is obtained, and the prediction model of the vulnerable parts of the body during the violent exercise is established. The simulation results show that the proposed model can accurately predict the vulnerable parts of the body during strenuous exercise.
【作者單位】： 萍鄉(xiāng)學(xué)院體育學(xué)院;
【分類號(hào)】：O212.4;R87

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李俊德;;多元線性回歸的預(yù)測(cè)和控制[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);1986年03期

2 張鎵;霍佳震;胡軍;黃志明;;基于多元線性回歸的上海市生產(chǎn)性服務(wù)業(yè)和汽車產(chǎn)業(yè)發(fā)展的關(guān)聯(lián)分析[J];上海管理科學(xué);2012年03期

3 馮天祥;多元線性回歸最小二乘法及其經(jīng)濟(jì)分析[J];經(jīng)濟(jì)師;2003年11期

4 倪永勤;楊留方;孫昭洪;苗民;傅在琦;;變量具誤差的多元線性回歸不確定度評(píng)定方法[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年S1期

5 俞能福;;多元線性回歸在分析學(xué)生成績(jī)相關(guān)性中的應(yīng)用[J];大學(xué)數(shù)學(xué);2007年02期

6 朱祥和;;基于多元線性回歸的私家車保有量預(yù)測(cè)[J];湖北工業(yè)大學(xué)學(xué)報(bào);2011年03期

7 何鵬;黨景柏;;多元線性回歸遞推最小二乘估計(jì)的一種新形式[J];西安工程科技學(xué)院學(xué)報(bào);1993年Z1期

8 王惠文;孫曉丹;;時(shí)序立體數(shù)據(jù)多元線性回歸建模方法[J];系統(tǒng)工程;2009年11期

9 喬亮亮;;多元線性回歸預(yù)測(cè)法在服裝制造中的應(yīng)用[J];長(zhǎng)江大學(xué)學(xué)報(bào)(自然科學(xué)版)理工卷;2010年01期

10 包紅;徐娜;李偉;;多元線性回歸在成績(jī)分析中的應(yīng)用[J];信息系統(tǒng)工程;2012年05期

相關(guān)會(huì)議論文 前2條

1 石偉;王剛;劉愛(ài)華;武立華;;多元線性回歸在密山井水位影響因素分析的應(yīng)用[A];2013年地震流體專業(yè)委員會(huì)學(xué)術(shù)年會(huì)會(huì)議摘要[C];2013年

2 陳向軍;陳金波;;湖北省流通業(yè)競(jìng)爭(zhēng)力影響因素測(cè)評(píng)分析[A];中部崛起與現(xiàn)代服務(wù)業(yè)——第二屆中部商業(yè)經(jīng)濟(jì)論壇論文集[C];2008年

相關(guān)碩士學(xué)位論文 前6條

1 曹春曉;中國(guó)A股市場(chǎng)多因素選股模型實(shí)證分析[D];南京大學(xué);2014年

2 于明雨;基于多元線性回歸和樸素貝葉斯分類的互聯(lián)網(wǎng)母嬰社區(qū)用戶研究[D];吉林大學(xué);2016年

3 周宇;我國(guó)城投債信用風(fēng)險(xiǎn)評(píng)價(jià)研究[D];浙江大學(xué);2016年

4 劉軍;基于股票市價(jià)與會(huì)計(jì)信息指標(biāo)的多元線性回歸股票定價(jià)模型研究[D];西南財(cái)經(jīng)大學(xué);2009年

5 曾昭霞;貴州灣河二期粉煤灰堆場(chǎng)巖溶滲漏污染研究[D];貴州大學(xué);2009年

6 王靜;具有輸入故障自適應(yīng)能力的在線智能建模[D];廈門大學(xué);2007年

，

本文編號(hào)：2239669