高素霞

摘 要： 为了准确地对运动员成绩进行预测，结合运动员成绩的具体变化特点，设计了基于混沌理论和机器学习算法的运动员成绩预测模型。首先对当前运动员成绩建模与预测的研究现状进行分析，找到当前运动员成绩预测模型存在的不足，然后采用混沌理论对运动员成绩历史数据进行处理，发现其中隐藏的规律，最后引入机器学习算法——极限学习机设计运动员成绩预测模型。仿真实验结果表明，与当前运动员成绩预测模型相比，所设计模型的运动员成绩预测结果更加可靠，而且运动员成绩预测精度更高，可以应用于体育科学训练计划制定。

关键词： 运动员成绩； 机器学习算法； 混沌理论； 原始数据； 成绩预测模型； 极限学习机

中图分类号： TN911.1?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）07?0152?04

Athletes performance prediction model based on chaos

theory and machine learning algorithm

GAO Suxia

（Henan Institute of Technology， Xinxiang 450044， China）

Abstract： In order to predict the athletes performance accurately， the specific change characteristics of athletes performance is combined to design the athletes performance prediction model based on chaos theory and machine learning algorithm. The current research status of athletes performance modeling and prediction is analyzed to find the shortcomings of the current athletics performance prediction models. The chaos theory is used to process the athletes′ historical data， and find its hidden rules. The machine learning algorithm （extreme learning machine） is introduced to design the athletes performance prediction model. The simulation and experiment results show that， in comparison with the current athletics performance prediction models， the prediction model has more reliable athletes performance prediction result and higher prediction accuracy， and can be applied to the plan formulation of sports scientific training.

Keywords： athletes performance； machine learning algorithm； chaos theory； initial data； performance prediction model； extreme learning machine

0 引 言

随着运动竞技水平的不断提高，运动员的成绩引起了广大研究人员的关注，而运动员成绩与多种因素如训练水平、运动员身体素质、运动器材等密切相关[1]。为了保证运动员获得更理想的成绩，需要对运动员成绩的变化特点进行准确、全面跟踪，为此对运动员成绩进行建模与预测研究变得越来越重要，成为体育科学研究中的一个重要课题[2]。

研究人员引入了各种各样的方法对运动员成绩展开预测研究[3]，相关研究结果表明，运动员成绩之间具有一定的时间相关性，为此有学者采用滑动平均方法建立运动员成绩预测模型[4]，其可以对运动员成绩的上升趋势进行描述，但运动员成绩并非是一种明显的上升趋势，也有下降趋势、非平稳性，因此，所建立的运动员成绩预测模型与实际情况不相符，预测精度较低[5]。……