短距離游泳身體機能疲勞極限監控方法研究

劉夏瑜 牛哲斌

摘要：為了檢測短距離游泳人體機能疲勞極限監控能力，提出基于身體機能特征大數據融合分析的短距離游泳身體機能疲勞極限監控方法.首先建立短距離游泳身體機能疲勞極限監控的生理指標體系，然后進行特征提取，以此構建短距離游泳身體機能疲勞極限監控的動態特征分析模型，最后根據身體生理指標的特征分析方法，進行短距離游泳身體機能疲勞極限監控.采用機器學習和模式識別方法，實現短距離游泳身體機能疲勞極限監控和大數據融合分析.仿真結果表明，采用該方法進行短距離游泳身體機能疲勞極限監控的有效性較好、準確性較高，對身體機能狀態的實時分析能力較強.

關鍵詞：短距離游泳;身體機能;疲勞;極限;監控

中圖分類號：G861? 文獻標識碼：A? 文章編號：1673-260X（2019）08-0101-04

0 引言

短距離游泳對人體的爆發力要求很高，分析短距離游泳的生理指標，研究短距離游泳身體機能疲勞極限，在提高運動員的生理機能和游泳耐力方面具有重要意義.結合生理指標的動態監控和識別方法，進行短距離游泳身體機能疲勞極限監控識別，采用大數據分析和機器學習方法進行短距離游泳身體機能疲勞極限監控，構建短距離游泳身體機能疲勞極限監控的動態監測模型，提高短距離游泳身體機能的動態分析能力[1].

對短距離游泳身體機能疲勞極限監控是建立在生理指標的動態監測和信息融合基礎上，進行短距離游泳身體機能疲勞極限評價[2]，建立短距離游泳身體機能疲勞極限監控模型，分析制約短距離游泳身體機能疲勞極限的相關性因素，建立短距離游泳身體機能疲勞極限監控的統計分析模型，提高短距離游泳身體機能疲勞極限，提出基于身體機能特征大數據融合分析的短距離游泳身體機能疲勞極限監控方法[3].采用生理指標監測方法進行短距離游泳身體機能疲勞特性分析，建立短距離游泳身體機能疲勞響應特征分析模型，提取短距離游泳身體機能疲勞極限狀態特征量，根據特征分布狀態進行短距離游泳身體機能疲勞極限監控.最后進行仿真實驗分析，展示了該方法在優化短距離游泳身體機能疲勞極限監控能力方面的優越性能.

1 短距離游泳身體機能疲勞動態特征提取

1.1 身體機能疲勞極限監控的生理指標體系

結合運動員生理指標監測方法，構建短距離游泳身體機能疲勞極限的統計分析模型，采用大數據特征采樣方法進行運動員生理指標監測和信息融合，構建短距離游泳身體機能疲勞極限監控的動態特征分析模型，采用運動員生理指標的特征分析方法，進行短距離游泳身體機能疲勞極限監控[4]，根據運動能力評價和身體機能的評定結果，進行運動員生理指標監控，制定科學的訓練計劃，進行評估訓練，得到短距離游泳身體機能疲勞極限監控的總體結構圖如圖1所示.

根據運動員生理指標監測過程中的機能指標，以O2和CO2的在心肺中的演化狀態，分析短距離游泳身體機能的極限[5]，短距離游泳身體機能中的最大攝氧量O2max的計算公式可以表達為：

其中，Hmax表示短距離游泳運動員生理指標的最大心率，MSV表示最大脈搏量，OPD表示短距離游泳運動員動靜氧脈差.二氧化碳排出量P■的計算過程為：

其中，H表示短距離游泳運動員生理指標的正常心率.依據上述最大攝氧量和二氧化碳排出量的表達式，得出運動員短距離游泳身體機能疲勞極限監控的生理指標體系表達式，如公式（3）所示：

根據生理指標體系表達式，進行短距離游泳身體機能疲勞極限監控和識別，建立短距離游泳身體機能疲勞特性分析模型[6].根據生理指標的大數據融合結果，進行短距離游泳身體機能疲勞極限監控，構建短距離游泳身體機能疲勞極限監控的生理指標體系，如圖2所示.

1.2 短距離游泳身體機能疲勞動態特征提取

建立短距離游泳身體機能疲勞響應特征分析模型，采用分布式的量化融合方法進行短距離游泳身體機能疲勞極限監控的空間規劃，構建短距離游泳身體機能疲勞極限監控的特征采樣模型[7]，采用模糊融合聚類分析方法，實現短距離游泳身體機能疲勞極限關聯特征挖掘.

將短距離游泳身體機能疲勞極限監控描述為一個有m個自變量的統計分析模型身體機能疲勞極限監控的空間分布節點A1，A2…An，在約束范圍（x，x（k））內，采用有向圖分析方法進行短距離游泳身體機能疲勞極限關聯特征檢測，得到短距離游泳身體機能疲勞極限監控的優化控制的擾動分量二階原點矩為：

其中，Ps表示短距離游泳身體機能運動負荷量，？啄（t，k）為短距離游泳身體機能疲勞極限監控的kronnecker函數，？滓n2表示身體機能生化指標，IM表示短距離游泳身體機能疲勞極限監控基數.在小擾動分量x（t）的約束下，得到短距離游泳身體機能疲勞極限狀態分布的協方差矩陣：

其中N為短距離游泳身體機能疲勞極限監控控制的空間維數，構造短距離游泳身體機能疲勞極限分布多維聯合估計矩陣RT：

以身體機能疲勞極限監控的認知概率？琢為約束參量，則有：

其中，xk、zk表示短距離游泳身體機能疲勞極限分布統計特征量，根據公式（8）、（9）完成動態特征提取短距離游泳身體機能疲勞響應，根據動態特征構建短距離游泳身體機能疲勞極限監控的大數據分析模型.

2 短距離游泳身體機能疲勞極限監控識別

2.1 身體機能疲勞響應特征分析模型構建

在上述監測指標選取及動態特征提取的基礎上，建立短距離游泳身體機能疲勞響應特征分析模型，進行疲勞極限監控優化.提出基于身體機能特征大數據融合分析的短距離游泳身體機能疲勞極限監控方法.短距離游泳身體機能疲勞極限關聯特征檢測的機器學習預測函數為：

3 仿真實驗與結果分析

為了測試所提方法在實現短距離游泳身體機能疲勞極限監控中的應用性能，進行仿真實驗，實驗采用分組檢測方法，測試對象中男生為28人，女生為16人，對男女運動員分別進行短距離游泳的極限訓練，測試相應的身體機能指標，建立短距離游泳身體機能疲勞響應特征分析模型，得到特征響應輸入如圖3所示.

以圖3數據為研究對象，進行短距離游泳身體機能疲勞極限監控，用機器學習和模式識別方法，實現短距離游泳身體機能疲勞極限監控和大數據融合分析，進行身體機能疲勞極限監控的準確性對比分析，如圖4所示.

分析圖4得知，本文方法進行短距離游泳身體機能疲勞極限監控的準確性對比傳統方法較高，在此基礎上，監控短距離游泳身體機能疲勞極限值，得到監控結果如圖5所示.

分析圖5得知，采用該方法能有效實現短距離游泳身體機能疲勞極限監控，測試準確性穩定.

4 結語

提出基于身體機能特征大數據融合分析的短距離游泳身體機能疲勞極限監控方法，采用運動員生理指標的特征分析方法，進行短距離游泳身體機能疲勞極限監控，根據運動能力評價和身體機能的評定結果，進行運動員生理指標監控，制定科學的訓練計劃，進行評估訓練，提高短距離游泳身體機能疲勞極限監控和自動分析能力.研究得知，該方法能有效實現短距離游泳身體機能疲勞極限監控，準確性較高，對運動后人體機能狀態的實時分析能力較強，有利于疲勞極限狀態下的監控.

——————————

參考文獻：

〔1〕金成平，蘇蕓澐，何新中.優秀短距離游泳運動員余賀新多年訓練安排的控制[J].北京體育大學學報，2018，41（11）：103-109.

〔2〕卓金源，吳趙昭，徐旻霄，等.高原體能訓練對我國高水平優秀籃球運動員身體機能與形態的影響研究[J].北京體育大學學報，2017，40（3）：98-105.

〔3〕張騰，溫宇紅，沈宇鵬.兒童青少年時期游泳運動員長期發展理論模型研究[J].中國體育科技，2018，54（4）：45-52+91.

〔4〕王華，康榮杰，王興堅，等.軟體彎曲驅動器設計與建模[J].北京航空航天大學學報，2017，43（5）：1053-1060.

〔5〕蘭亞紅.三種HiLo模式對游泳運動員身體機能及運動成績的影響[J].廣州體育學院學報，2018，38（3）：109-114.

〔6〕孫吉成.關于游泳水的阻力與姿勢動態建模優化仿真[J].計算機仿真，2016，33（9）：252-255+277.

〔7〕王莉莉，彭勃.基于特征航跡簡化模型的中心航跡提取研究[J].計算機應用研究，2019，36（1）：49-52.

〔8〕馬麗，馬瑞楠.一類隨機泛函微分方程帶隨機步長的EM逼近的漸近穩定[J].應用數學和力學，2019，40（1）：97-107.

〔9〕闞忠良，李建中.基于回歸模型的Spark任務性能分析方法[J].哈爾濱工業大學學報，2018，50（03）：198-204.

〔10〕阮曉鋼，陳巖，肖堯，等.基于參數尋優的自學習算法在兩輪機器人控制上的應用[J].北京工業大學學報，2017，43（7）：1060-1067.