□ 王诗语（青岛经济技术开发区第一中学 山东 青岛 266580）

基于非线性回归和BP神经网络的奥运会奖牌预测模型

□ 王诗语（青岛经济技术开发区第一中学 山东 青岛 266580）

本文通过考察各国上一届奖牌数、总人口、人均GDP、社会制度和东道主等5个因素对奥运奖牌获得能力的影响，并建立多元非线性回归模型，经参数优化获得最佳预测模型。同时在这些分类汇总数据的基础上，建立BP神经网络预测模型，最后实现对2020年东京奥运会奖牌榜前十位的预测。

奥运奖牌预测 多元非线性回归 人工神经网络

引言

2016年8月，第三十一届夏季奥林匹克运动在巴西里约热内卢成功举行，中国代表队取得了金牌第三，奖牌榜第二的好成绩。奥运会期间，奖牌榜排名成为人们关注的焦点，而在奥运会开赛之前，很多数学家、经济学家以及体育数据统计公司纷纷推出各自预测模型和虚拟奖牌榜。

达特茅斯大学塔克商学院的研究者发布了一份关于2016年里约奥运会各代表团夺金、银牌数的预测报告，其在Bernard-Busse模型的基础上并根据国家（或地区）人口、财富的相对水平、历届奥运会表现和主办国的加成实现奖牌榜预测。而国内在奥运奖牌预测领域也有着广泛的研究，董琦等采用支持向量机非线性扩展样本对时间序列模型定阶，通过分析新样本加入训练集后支持向量集变化的情况，从而构建一种支持向量机的奥运金牌预测的模型。该模型的预测效果和传统时间序列模型预测相比，具有主观度低，预测精度高，预测稳定性更好的优点。……