一种基于改进长短期记忆神经网络的网球运动员成绩预测方法技术

本发明专利技术涉及一种基于改进长短期记忆神经网络的网球运动员成绩预测方法。该方法包括以下步骤：步骤1，采集网球运动员相关特征指标；步骤2，将步骤1所采集具有不同量纲和量纲单位的数据进行归一化处理；步骤3，设计改进的长短期记忆神经网络网球运动员成绩预测模型；步骤4：训练改进的长短期记忆神经网络网球运动员成绩预测模型；步骤5：根据历史信息数据在预测阶段动态调整权重系数；步骤6，把设计完成的基于改进长短期记忆神经网络网球运动员成绩预测模型进行实际应用。本发明专利技术在长短期神经网络输出门的基础上，通过样本特征权重，将输入门连接至输出门，可令网络模型学到长时期的历史信息，增强网络的预测精度和鲁棒性，实现网球运动员的成绩预测。运动员的成绩预测。

【技术实现步骤摘要】
一种基于改进长短期记忆神经网络的网球运动员成绩预测方法


[0001]本专利技术涉及运动员成绩预测领域，特别设计基于改进长短期记忆神经网络的网球运动员成绩预测方法。

技术介绍

[0002]随着我国经济水平的不断提高，人们越来越清楚身体健康的重要性，运动成绩预测可以帮助老师、教练了解运动员的成绩变化态势，更好的制定相应的训练模式。为了提高运动成绩的预测精度，为运动员的合理训练提供有价值的参考意见。
[0003]针对网球运动员成绩预测问题，国内外的学者和研究人员进行了有效的探索和研究，尤其是一些发达国家，对运动成绩预测的研究相当成熟，出现许多好的运动成绩预测模型，而国内对运动成绩预测相对较晚，但是发展态势很好，也存在一些好的运动成绩预测模型。可以将运动成绩预测的研究划分为两个阶段，第一个阶段称之为传统阶段，该阶段主要模型有：多元线性回归法的运动成绩预测模型和指数平滑法的运动成绩预测模型，它们考虑运动成绩的相关因素比较少，对运动成绩预测问题进行了相应的简化，因此运动成绩预测建模效率快，但是由于简化了运动成绩预测问题，使得运动成绩预测结果与实际运本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进长短期记忆神经网络的网球运动员成绩预测方法，具体步骤如下，其特征在于：步骤1，采集网球运动员相关特征指标：根据运动员的年龄、身高、体重、性别分别测试运动员的力量、柔韧性、灵敏性、耐力、速度特征指标，建立待测样本集；步骤2，将步骤1所采集具有不同量纲和量纲单位的数据进行归一化处理，把数据归一化至0到1范围内，消除指标之间的量纲影响；步骤3，设计改进的长短期记忆神经网络网球运动员成绩预测模型：通过贝塔分布函数计算运动员样本特征的权重，将输入门的输入经加权计算后叠加至输出门的输出，并将叠加后的输出作为成绩预测模型的输出；步骤4：训练改进的长短期记忆神经网络网球运动员成绩预测模型：步骤2获得的训练样本用于训练步骤3设计的长短期记忆神经网络网球运动员成绩预测模型，通过SGD算法对模型参数进行更新，获得训练后的长短期记忆神经网络网球运动员成绩预测模型；步骤5：根据历史信息数据在预测阶段动态调整权重系数，更新模型状态监测参数和系统加权参数，实现网球运动员的成绩预测；步骤6：把设计完成的改进长短期记忆神经网络网球运动员成绩预测模型嵌入网球运动员数据库的信息处理模块中，完成对网球运动员成绩的预测。2.根据权利要求1所述的基于改进长短期记忆神经网络的网球运动员成绩预测方法，其特征在于：步骤1中建立待测样本集的过程可以表示如下：步骤1.1：采集网球运动员最佳负荷力量特征指标：运动员双手分别从体前、身体左侧和右侧向前抛实心球，并记录最佳负荷力量特征指标测试成绩；步骤1.2：采集网球运动员最佳柔韧性特征指标：运动员两腿伸直，两臂伸直前，做坐位体前屈测试，并记录柔韧性特征指标测试成绩；步骤1.3：采集网球运动员最佳灵敏度特征指标：运动员在一分钟之内做跳绳运动，记录一分钟做跳绳的个数作为灵敏度特征指标测试成绩；步骤1.4：采集网球运动员最佳耐力特征指标：测试运动员的耐力跑成绩，记录完成时间，并将耐力跑的时间作为耐力特征指标的测试成绩；步骤1.5：采集网球运动员最佳速度特征指标：运动员沿着逆时针方向依次碰倒球桶，记录完成时间，并将时间作为速度特征指标的测试成绩；步骤1.6：将年龄、身高、体重、性别、以往成绩和所测试的力量特征指标、柔韧性特征指标、灵敏度特征指标、耐力特征指标、速度特征指标作为样本特征，将测试特征指标当天的运动员成绩作为样本标签，建立数据样本集。3.根据权利要求1所述的基于改进长短期记忆神经网络的网球运动员成绩预测方法，其特征在于：步骤2中数据归一化处理的过程可以表示如下：样本特征的归一化转换函数如下：
式中，x
’
t
是步骤1在t时刻所采集的样本特征，x
’
min
是所采集样本特征的最小值，x
’
min
是所采集样本特征的最大值。4.根据权利要求1所述的基于改进长短期记忆神经网络的网球运动员成绩预测方法，其特征在于：步骤3中设计改进长短期记忆神经网络网球运动员成绩预测模型的过程可以表示如下：步骤3.1：初始化样本特征的加权参数θ0；步骤3.2：计算样本特征加权参数的加权平均值和协方差，并计算加权贝塔分布的均值:式中，m
k
是第k次计算后的贝塔分布均值，θ
k
是第k次计算后的加权参数，是第k次计算后加权参数的均值，l是常数；步骤3.3：根据运动成绩和加权参数的平均值、协方差、贝塔分布均值求取贝塔分布参数，并构建贝塔分布函数，在贝塔分布函数的基础上进行采样抽取对加权参数进行更新，获得t时刻的加权参数θ
t
；步骤3.4：构建模型输入门，以过滤无效信息并向记忆单元添加有效信息：i
t
＝σ(W
xi
x
t
+W
hi<...

【专利技术属性】
技术研发人员：薛敏，
申请(专利权)人：南京机电职业技术学院，
类型：发明
国别省市：