蟻群神經(jīng)網(wǎng)絡(luò)在運(yùn)動(dòng)負(fù)荷預(yù)測(cè)中的應(yīng)用研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)(ANN)是一種非線性動(dòng)力學(xué)系統(tǒng)，是借鑒于生物神經(jīng)網(wǎng)絡(luò)發(fā)展起來(lái)的新型智能信息處理系統(tǒng)。ANN以其獨(dú)特的信息處理方式被廣泛應(yīng)用于各領(lǐng)域，例如工業(yè)生產(chǎn)監(jiān)控、分類(lèi)、預(yù)測(cè)預(yù)報(bào)、分析處理、疾病的輔助診斷、環(huán)境污染及凈化預(yù)測(cè)等等。BP神經(jīng)網(wǎng)絡(luò)是各種神經(jīng)網(wǎng)絡(luò)模型中具有代表意義的神經(jīng)網(wǎng)絡(luò)模型之一，已經(jīng)獲得廣泛的應(yīng)用。但是BP算法存在著效率較低、收斂速度慢、易于陷入局部極小值等缺陷，制約了BP網(wǎng)絡(luò)在各個(gè)領(lǐng)域中的應(yīng)用。蟻群優(yōu)化算法(Ant Co

2、lony Optimization，ACO)是一種新穎的仿生進(jìn)化算法，在求解復(fù)雜優(yōu)化問(wèn)題尤其是離散優(yōu)化問(wèn)題方面展現(xiàn)出了優(yōu)異的性能和巨大的發(fā)展?jié)摿?。ACO作為一種全局優(yōu)化的啟發(fā)式算法，用來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的權(quán)值，可以避免BP神經(jīng)網(wǎng)絡(luò)的缺陷。 在運(yùn)動(dòng)學(xué)領(lǐng)域中，研究人體的各項(xiàng)生理生化指標(biāo)與運(yùn)動(dòng)負(fù)荷之間的復(fù)雜關(guān)系是一項(xiàng)很重要的內(nèi)容。在生理生化指標(biāo)和體育運(yùn)動(dòng)中運(yùn)動(dòng)員所承受的運(yùn)動(dòng)訓(xùn)練負(fù)荷之間建立對(duì)應(yīng)關(guān)系，是一個(gè)典型的不確定的、非線性問(wèn)題。我國(guó)的

3、網(wǎng)球運(yùn)動(dòng)正處于發(fā)展階段，為了進(jìn)一步提高我國(guó)網(wǎng)球運(yùn)動(dòng)競(jìng)技實(shí)力，縮短與世界一流水平的差距，需要進(jìn)行科學(xué)化的訓(xùn)練。本文針對(duì)網(wǎng)球運(yùn)動(dòng)技巧性很強(qiáng)，對(duì)訓(xùn)練負(fù)荷的量化分析十分復(fù)雜的特點(diǎn)，提出了自己的解決方案。 本文以國(guó)家網(wǎng)球隊(duì)運(yùn)動(dòng)員的生理生化指標(biāo)檢測(cè)數(shù)據(jù)作為訓(xùn)練樣本，采用將ACO與BP算法相融合共同完成神經(jīng)網(wǎng)絡(luò)訓(xùn)練的方法，即ACO-BP算法，建立針對(duì)運(yùn)動(dòng)負(fù)荷的蟻群神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，得出網(wǎng)球運(yùn)動(dòng)中生理生化指標(biāo)與訓(xùn)練負(fù)荷之間的對(duì)應(yīng)關(guān)系。首先采用A